Meta-analytic evidence of depression and anxiety in Eastern Europe during the COVID-19 pandemic
Notice bibliographique
Résumé
Objective: To perform a systematic and meta-analysis on the prevalence rates of mental health symptoms including anxiety and depression during the COVID-19 pandemic in the general population in Eastern Europe, as well as three select sub-populations: students, general healthcare workers, and frontline healthcare workers. Data sources: Studies in PubMed, Embase, Web of Science, PsycINFO, and medRxiv up to 6 February 2021. Eligibility criteria and data analysis: Prevalence rates of mental health symptoms in the general population and key sub-populations during the COVID-19 pandemic in Eastern Europe. Data were pooled using a random-effects meta-analysis to estimate the prevalence rates of anxiety and depression. Results: = 3) had the greatest number of studies. To our knowledge, no studies have been conducted in eleven Eastern European countries including Hungary, Slovakia, and Slovenia. The pooled prevalence of anxiety in 18 studies with 22 samples was 30% (95% CI: 24-37%) pooled prevalence of depression in 18 studies with 23 samples was 27% (95% CI: 21-34%). Implications: The cumulative evidence from the meta-analysis reveals high prevalence rates of clinically significant symptoms during the COVID-19 pandemic in Eastern Europe. The findings suggest evidence of a potential mental health crisis in Eastern Europe during the ongoing COVID-19 pandemic. Our synthesis also reveals a relative lack of studies in certain Eastern European countries as well as high heterogeneities among the existing studies, calling for more effort to achieve evidence-based mental healthcare in Eastern Europe.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».