Prevalence of Psychiatric Morbidity and Alcohol use Disorders Among Adolescent Indigenous Tribals from Three Indian States
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Among the Indian adolescents, the prevalence of psychiatric morbidity and alcohol use disorders (AUD) are 7.3% and 1.3%. However, no separate data are available for indigenous tribal populations. This study estimated the prevalence of psychiatric morbidity and AUD and associated socio-demographic factors among adolescents in the tribal communities in three widely varying states in India. Methods: Using validated Indian versions of the MINI 6.0, MINI Kid 6.0, and ICD-10 criteria, we conducted a cross-sectional survey from January to May 2019 in three Indian sites: Valsad, Gujarat (western India); Nilgiris, Tamil Nadu (south India); and East Khasi Hills district of Meghalaya (north-east India) on 623 indigenous tribal adolescents. Results: Aggregate prevalence of any psychiatric morbidity was 15.9% (95% CI: 13.1–19.0) (males: 13.6%, 95% CI: 10.0–18.1; females: 17.9%, 95% CI: 13.9–22.6), with site-wise statistically significant differences: Gujarat: 23.8% (95% CI: 18.1–30.2), Meghalaya: 17.1% (95% CI: 12.4–22.7), Tamil Nadu: 6.2% (95% CI: 3.2–10.5). The prevalence of diagnostic groups was mood disorders 6.4% ( n = 40), neurotic- and stress-related disorders 9.1% ( n = 57), phobic anxiety disorder 6.3% ( n = 39), AUD 2.7% ( n = 17), behavioral and emotional disorders 2.7% ( n = 17), and obsessive-compulsive disorder 2.2% ( n = 14). These differed across the sites. Conclusion: The prevalence of psychiatric morbidity in adolescent tribals is approximately twice the national average. The most common psychiatric morbidities reported are mood (affective) disorders, neurotic- and stress-related disorders, phobic anxiety disorder, AUD, behavioral and emotional disorders, andobsessive-compulsive disorder.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle