Depression and Anxiety among Undergraduate Health Science Students: A Scoping Review of the Literature
Notice bibliographique
Résumé
Background: Health science students in post-secondary institutions experience high levels of depression and anxiety due to increased stress levels, workload, low socioeconomic status, and history of family mental illness, among other factors. Given the significant negative impact that depression and anxiety can have on undergraduate health science students, it is essential to understand the prevalence and correlation of these conditions in this population. In light of this, this scoping review aims to identify, document, and analyze the literature on the prevalence and determinants of anxiety and depression among undergraduate health sciences students and identify gaps in knowledge for future research. Methods: This scoping review was planned and executed using the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for the Scoping Reviews statement. A comprehensive and systematic search was carried out for five databases, namely MEDLINE, Scopus, EMBASE, CINAHL, and PubMed. Results: From the literature identified by our search strategy, the lowest prevalence for anxiety was 5.8%, and the highest was 82.6%, with a median of 44.25%. The prevalence of depression ranged from a high of 88.8% to a low of 2.1%, with a median value of 34.8%. Our analysis revealed that correlates of anxiety and depression among health science students include sociodemographic factors such as age, sex, gender, relationships, ethnicity, and family history, personal health conditions, and academic and socioeconomic issues. Conclusions: With the high incidence of anxiety and depression among health science students, there is an increasing need to find practical remedies to support these students. It is also essential for policymakers and university authorities to implement interventions such as supportive text messages and other strategies geared toward providing support and improving the psychological well-being of health science students.
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 | 0,012 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,021 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».