Salud mental en estudiantes de educación superior en Chile: una revisión de alcance con meta-análisis
Notice bibliographique
Résumé
Realizamos una revisión de alcance sobre la prevalencia de síntomas psicológicos, factores asociados a la salud mental, barreras y facilitadores para la búsqueda de ayuda, y la efectividad de intervenciones de salud mental en estudiantes de educación superior en Chile.Buscamos reportes indexados hasta el 15 de octubre de 2019 en las bases de datos CINAHL, Google Scholar, PubMed, Virtual Health Library/BIREME y Web of Science.Evaluamos la calidad de los estudios de prevalencia y exploramos la prevalencia combinada de síntomas psicológicos mediante meta-análisis.Incluimos 32 estudios publicados, 20 sobre prevalencia de síntomas -10 con la calidad suficiente para ser incluidos en el meta-análisis.Observamos una heterogeneidad sustantiva en la exploración de prevalencia combinada de síntomas, con rangos entre 22,9% a 40,7% para malestar psicológico, 16,5% a 38,8% para síntomas depresivos, 16,5% a 23,7% para síntomas ansiosos, 19,7% a 29,7% para consumo de cannabis en los últimos 12 meses, y 84,0% a 92,6% para consumo de alcohol en los últimos 12 meses.El sexo femenino se asoció consistentemente con problemas de salud mental.Es necesario realizar más estudios que evalúen el acceso a tratamiento, facilitadores y barreras para la búsqueda de ayuda, e intervenciones para mejorar la salud mental de la población objetivo.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,019 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».