MétaCan
Menu
Retour à la cohorte
Enregistrement W4383370379 · doi:10.31067/acusaglik.1181891

Depression Prevalence of Healthcare Workers During the First Wave of the COVID-19 Pandemic and Its Affecting Variables: A Meta-Analysis

2023· article· en· W4383370379 sur OpenAlexaboutno aff
Emel Kaya, Tuğba Öztürk Yıldırım

Notice bibliographique

RevueAcibadem Universitesi Saglik Bilimleri Dergisi · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Depression (economics)Meta-analysis2019-20 coronavirus outbreakHealth careMedicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PsychologyVirologyPolitical scienceDiseaseOutbreakInternal medicineEconomicsInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Purpose: This meta-analysis aimed to systematically review the affecting variables regarding the prevalence of depression in healthcare workers during the COVID-19 pandemic. Method: MedLine, PubMed, Web of Science (Wos), and GoogleScholar databases were searched until June 19, 2020. The quality of studies included was evaluated with The Newcastle-Ottawa Scale. Data were analyzed using Comprehensive Meta-Analysis Version 3.0. The pooled prevalence of depression was interpreted according to the random-effects model. The heterogeneity of the studies was evaluated with Cochran's Q test and I2 statistics. Results: A meta-analysis of depression prevalence in healthcare workers was carried out with 8 studies. Studies with high-quality assessments were analyzed. In this study, which was conducted with a total of 9,841 healthcare workers, the overall depression rate was 40.8% (95% confidence interval [CI] 33.5-48.6; I2=96.48%). In the subgroup analysis to determine the influencing variables, the rate of depression in female healthcare workers was 24.5% (95% CI: 17.4–33.3) and the rate of depression in male healthcare workers was 8.5% (95% CI: 5.5–12.7). In addition, the depression rate was 43.6% (95% CI: 35.9–51.7) in studies conducted in China and 18.5% (95% CI: 7.5–38.7) in a study conducted in Korea. No statistically significant difference was found as a result of the subgroup analysis in terms of profession, the measurement tool and the period of time (p>0.05). Conclusion: This meta-analysis provides evidence that 4 out of 10 healthcare workers experience depression during the COVID-19 pandemic, with country and gender as the most influencing variable, respectively.

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)0,016
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,034
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0230,078
Bibliométrie0,0090,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,138
Tête enseignante GPT0,371
Écart entre enseignants0,233 · 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'étudeMéta-analyse
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcibadem Universitesi Saglik Bilimleri DergisiMême sujetCOVID-19 and Mental HealthTravaux en français237 207