MétaCan
Menu
Retour à la cohorte
Enregistrement W4323319327 · doi:10.1038/s41598-023-30715-8

The prevalence and risk factors for anxiety and depression symptoms among migrants in Morocco

2023· article· en· W4323319327 sur OpenAlexaff
Firdaous Essayagh, Meriem Essayagh, Sanah Essayagh, Ikram Marc, Germain Bukassa, Ihsane El Otmani, Mady Fanta Kouyate, Touria Essayagh

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensGovernment of Canada
Organismes subventionnairesnon disponible
Mots-clésAnxietyOvercrowdingDepression (economics)Logistic regressionMental healthMedicinePsychiatryPublic healthCross-sectional studyDemography

Résumé

récupéré en direct d'OpenAlex

Humanitarian migration can result in mental health issues among migrants. The objective of our study is to determine the prevalence of anxiety and depression symptoms among migrants and their risk factors. A total of 445 humanitarian migrants in the Orientale region were interviewed. A structured questionnaire was used in face-to-face interviews to collect socio-demographic, migratory, behavioral, clinical, and paraclinical data. The Hospital Anxiety and Depression Scale was used to assess anxiety and depression symptoms. Risk factors for anxiety and depression symptoms were identified using multivariable logistic regression. The prevalence of anxiety symptoms was 39.1%, and the prevalence of depression symptoms was 40.0%. Diabetes, refugee status, overcrowding in the home, stress, age between 18 and 20 years, and low monthly income were associated with anxiety symptom. The associated risk factors for depression symptoms were a lack of social support and a low monthly income. Humanitarian migrants have a high prevalence of anxiety and depression symptoms. Public policies should address socio-ecological determinants by providing migrants with social support and adequate living conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,310
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetMigration, Health and TraumaTravaux en français237 207