Depressive symptoms among adults: Baseline findings of PURE Malaysia cohort study
Notice bibliographique
Résumé
Introduction: In Malaysia, the prevalence of depression has increased from 1.8 % to 2.3 % within a decade. Thus, this study was performed to identify depressive symptoms and its associated factors among Malaysian adults. Methods: A cross-sectional study was conducted among the adult population aged 35-70 residing in rural and urban areas in Malaysia. Depressive symptoms were assessed using the short form Diagnostic and Statistical Manual of Mental Disorders, fourth edition (DSM-IV) Composite International Diagnostic Interview (CIDI) questionnaire. Logistic regression models were fitted to identify the associated factors related to depressive symptoms. Results: About 3.7 % (95 % CI: 2.33-4.83) of the respondents reported having depressive symptoms. Younger adults aged 35-40 years old (AOR: 3.087; 95 % CI: 2.021-4.717), females (AOR: 2.318; 95 % CI: 1.669-3.219), widows and divorcees (AOR: 2.294; 95 % CI: 1.085-4.848), smokers (AOR: 1.843; 95 % CI: 1.334-2.545) and alcohol consumers (AOR: 1.843; 95 % CI: 1.264-2.688) showed a higher odds compared to their other counterparts. Underweight individuals (AOR: 1.899; 95 % CI: 1.177-3.065) and those diagnosed either with hypertension (AOR: 1.442; 95 % CI: 1.11-1.873), diabetes (AOR: 1.554; 95 % CI: 1.133-2.13), angina (AOR: 2.73; 95 % CI: 1.596-4.67), COPD (AOR: 4.187; 95 % CI: 1.528-11.472) or asthma (AOR: 1.906; 95 % CI: 1.309-2.774) were more likely to have depressive symptoms. Additionally, individuals with difficulty trusting people (AOR: 1.477; 95 % CI: 1.024-2.13) and those reported to experience either home or work-related stress (AOR: 2.584; 95 % CI: 2.003-3.331) were more prone to have depressive symptoms. Conclusion: In this broad population-based study, about 3.7 % (95 % CI: 2.33-4.83) of respondents reported having depressive symptoms. Timely and well targeted collaborative intervention on the identified risk factors by the relevant authorities, would mitigate their effect on the quality of life and retard the progression into depression, especially among younger adults.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».