Prevalence and factors associated with depression, anxiety, and stress among people with disabilities during COVID-19 pandemic in Bangladesh: A cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has had a profound impact on the mental health of individuals across various populations. People with disabilities (PWDs) are particularly vulnerable to these effects, yet there is a lack of studies investigating the mental health of PWDs in Bangladesh. This study aims to investigate the prevalence of and factors associated with depression, anxiety, and stress among PWDs during the COVID-19 pandemic in Bangladesh. METHODS: Data was collected through interviews with 391 PWDs between December 2020 and February 2021. Demographic information, clinical characteristics, and scores from the Depression, Anxiety, and Stress Scale (DASS-21) were obtained. Chi-square tests and logistic regression analyses were conducted to examine the relationship between psychological measures and potential risk factors. RESULTS: The prevalence was found to be 65.7% for depression, 78.5% for anxiety, and 61.4% for stress, respectively. Several factors were identified as associated with these mental health issues, including gender (male), marital status (being married), low education levels, multiple impairments, comorbid medical illnesses, poor sleep quality, rural residency, hearing disability, disability onset later in life, and testing positive for COVID-19. CONCLUSIONS: The prevalence was found to be 65.7% for depression, 78.5% for anxiety, and 61.4% for stress, respectively. Several factors were identified as associated with these mental health issues, including gender (male), marital status (being married), low education levels, multiple impairments, comorbid medical illnesses, poor sleep quality, rural residency, hearing disability, disability onset later in life, and testing positive for COVID-19.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».