Prevalence and Correlates of Likely Major Depressive Disorder among Medical Students in Alberta, Canada
Notice bibliographique
Résumé
BACKGROUND: Medical students are exposed to multiple factors during their academic and clinical studies that contribute to depression. AIMS: This study aims to examine the prevalence and correlates of likely major depressive disorder (MDD) among medical students. METHODS: This study utilized a descriptive cross-sectional design. Data were collected through a self-administered online survey, which included questions on sociodemographic characteristics and likely MDD using the PHQ-9. Data were analyzed using a descriptive, Chi-square test and logistic regression model. RESULTS: There were 246 medical students who participated in the survey. The majority were females, 155 (65.1%); Caucasian, 158 (66.4%); and in a relationship, 168 (70.5%). The prevalence of likely MDD was 29.1%. Respondents who did not feel supported and respondents who were neutral about their social support, friends, and family, were 11 and 4 times more likely to experience MDD than those who felt well supported (OR = 11.14; 95% CI: 1.14-108.80) and (OR = 4.65; 95% CI: 1.10-19.56), respectively. CONCLUSIONS: This study suggests a high prevalence of likely MDD among medical students who do not feel they have sufficient social support from friends and family. Social adjustments, including talking to friends and family and participating in leisure activities, could reduce the level of depression among medical students.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».