Prevalence of self-medication during COVID-19 pandemic: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background The COVID-19 pandemic and restrictions on travel and quarantine measures made people turn to self-medication (SM) to control the symptoms of their diseases. Different studies were conducted worldwide on different populations, and their results were different. Therefore, this global systematic review and meta-analysis was conducted to estimate the pooled prevalence of self-medication. Methods In this systematic review and meta-analysis, databases of Scopus, PubMed, Embase, and Web of Science were searched without a time limit. All eligible observational articles that reported self-medication during the COVID-19 pandemic were analyzed. Heterogeneity among the studies was assessed using Cochran's Q test and I 2 statistics. A random-effects model was used to estimate the pooled prevalence of self-medication. The methodological quality of the articles was evaluated with the Newcastle-Ottawa Scale. Results Fifty-six eligible studies were reviewed. The pooled prevalence of self-medication was 48.6% (95% CI: 42.8–54.3). The highest and lowest prevalence of self-medication was in Asia (53%; 95% CI: 45–61) and Europe (40.8%; 95% CI: 35–46.8). Also, the highest and lowest prevalence of self-medication was related to students (54.5; 95% CI: 40.8–68.3) and healthcare workers (32.5%; 16–49). The prevalence of self-medication in the general population (48.8%; 40.6–57) and in patients with COVID-19 (41.7%; 25.5–58). The prevalence of self-medication was higher in studies that collected data in 2021 than in 2020 (51.2 vs. 48%). Publication bias was not significant ( p = 0.320). Conclusion During the COVID-19 pandemic, self-medication was highly prevalent, so nearly half of the people self-medicated. Therefore, it seems necessary to provide public education to control the consequences of self-medication.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».