A Systematic Review and Meta-Analysis of Depression Prevalence Amongst Nigerian Students Pursuing Higher Education
Notice bibliographique
Résumé
Abstract Depression is one of the most prevalent mental health disorders currently going undiagnosed in many developing countries, including Nigeria. Stigmatization, inadequate financial resources, poor healthcare infrastructure for accurate diagnosis, and low research attention are contributing factors to the prevalence of depression among youths in West Africa. This study therefore estimated the prevalence of depression among higher education students in Nigeria. Data was extracted and examined from 1225 publications by three independent reviewers. Pooling of logit-transformed data was done using generalized linear mixed-effects model, while restricted maximum likelihood was used to estimate between-study variance (τ2). Knapp-Hartung adjustments were included for calculating the confidence intervals around pooled effects; and R was used to calculate pooled estimates of depression prevalence. The effect of predictors of depression were examined by subgroup analyses and random-effect meta-regression models. Mean age of students across the 18 studies ranged from 19.09 to 26.3 years, with sample sizes ranging from 81 to 1482 participants. The pooled depression prevalence across studies was 26% (95% CI 0.18, 0.36) with high heterogeneity (I2 = 97%, τ2 = 0.9512). The subgroup analyses showed that higher education students in the Northwestern region of Nigeria have the highest depression prevalence (45.9%), followed by the South-South region (33%), Southeastern (22.1%), and Southwestern region (18.1%). Our findings show that depression among higher education students in Nigeria is highly prevalent. The factors contributing to the high depression prevalence, particularly among higher education students in the Northwestern region of Nigeria, should be investigated.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,026 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».