Depression among Bangladeshi diabetic patients: a cross-sectional, systematic review, and meta-analysis study
Notice bibliographique
Résumé
AIM: This study aims to assess the prevalence and associated factors of depression among diabetic patients in a cross-sectional sample and perform a systematic review and meta-analysis of the extant studies to date. METHODS: A face-to-face semi-structured interview of established diabetic patients was conducted in four districts of Bangladesh between May 24 to June 24, 2022, and the Patient Health Questionnaire (PHQ-2) was used to detect depression. PRISMA guidelines were followed to conduct a systematic review and meta-analysis, with Bangladeshi articles published until 3rd February 2023. RESULTS: The prevalence of depression among 390 diabetic patients was 25.9%. Having secondary education and using both insulin and medication increased the likelihood of depression, whereas being a business professional and being physically active reduced the likelihood of depression. The systematic review and meta-analysis indicated that the pooled estimated prevalence of depression was 42% (95% CI 32-52%). Females had a 1.12-times higher risk of depression than males (OR = 1.12, 95% CI: 0.99 to 1.25, p < 0.001). CONCLUSIONS: Two-fifths of diabetic patients were depressed, with females at higher risk. Since depression among diabetic patients increases adverse outcomes, improved awareness and screening methods should be implemented to detect and treat depression in diabetic patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».