Prevalence of Anxiety and Depression Among the General Population in Africa During the COVID-19 Pandemic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Medical and socio-economic uncertainties surrounding the COVID-19 pandemic have had a substantial impact on mental health. This study aimed to systematically review the existing literature reporting the prevalence of anxiety and depression among the general populace in Africa during the COVID-19 pandemic and examine associated risk factors. Methods: A systematic search of the following databases African Journal Online, CINAHL, PubMed, Scopus, and Web of Science was conducted from database inception until 30th September 2021. Studies reporting the prevalence of anxiety and/or depression among the general populace in African settings were considered for inclusion. The methodological quality of included studies was assessed using the Agency for Healthcare Research and Quality (AHRQ). Meta-analyses on prevalence rates were conducted using Comprehensive Meta-analysis software. Results: = 99.45%) were reported across Africa during the COVID-19 pandemic. Sex (female) and history of existing medical/chronic conditions were identified as major risk factors for anxiety and depression. Conclusions: The evidence put forth in this synthesis demonstrates the substantial impact of the pandemic on the pervasiveness of these psychological symptoms among the general population. Governments and stakeholders across continental Africa should therefore prioritize the allocation of available resources to institute educational programs and other intervention strategies for preventing and ameliorating universal distress and promoting psychological wellbeing. Systematic Review Registration: https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42021228023, PROSPERO CRD42021228023.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».