Exploring the national prevalence of mental health risk, multimorbidity and the associations thereof: a repeated cross-sectional panel study
Notice bibliographique
Résumé
Objective and methods: South Africans were affected by the COVID-19 pandemic and resultant economic hardships. As a result, mental health within this region may have worsened. Therefore, using large scale nationally representative data, we repeated the cross-sectional panel study to investigate mental health risk post COVID-19 to explore mental health and multimorbidity and to examine the relationship between adverse childhood experiences (ACEs) and comorbid health conditions in South African adults (aged 18 years and older). Results: Post-pandemic, 26.2, 17.0, and 14.8% of the South African respondents reported being probably depressed, anxious and had suffered high exposure to early life adversity, respectively. Nationally, the prevalence of mental health across the country remained alarmingly high when compared to Panel 1. The prevalence of multimorbidity (2 or more chronic morbidities) among the South African population was reported at 13.9%, and those with 2 or more morbidities were found to have increased odds of early adversity, irrespective of differing socio-demographics. Furthermore, early adversity was also associated with multimorbidity partly via mental health. Conclusion: This repeated cross-sectional national study reiterated that the prevalence of mental health across South African adults aged 18 years and older is widespread. Mental health remains worryingly high post-pandemic where more than a quarter of respondents are probably depressed, nearly one in every five respondents are anxious, and 14.8% reported high exposure ACEs. Public health interventions need to be upscaled with efforts to reduce the incidence of early adversity that may have the ability to lower adverse health outcomes and mental ill-health in adulthood.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».