Prevalence of Anxiety and Depression in Iranian Health Care Workers during the COVID-19 Pandemic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: Covid-19 pandemic has imposed a significant effect on mental health of the health care workers. The present systematic review and meta-analysis aimed at determining the pooled prevalence of anxiety and depression among Iranian health care workers during the Covid-19 pandemic. Material and Methods: To conduct this systematic review and meta-analysis, Web of Science, Scopus, Medline (PubMed), Embase, SID, Magiran databases and Google Scholar search engine were investigated to find studies over the prevalence of anxiety and depression among health care workers during the Covid-19 pandemic from December 2019 to June 10, 2021. Quality of the primary studies was assessed using the Newcastle-Ottawa tool and the random effects model was applied to estimate the pooled prevalence. Furthermore, χ2 test and I2 index were used to evaluate the degree of heterogeneity among the studies. The pooled prevalence of anxiety and depression in different subgroups was reported based on the severity of anxiety and depression, assessment tools, and staff jobs. Results: Of 488 articles obtained as a result of the initial search, 10 related studies were identified and entered into the systematic review and meta-analysis. The pooled prevalence of anxiety was 42% (95% CI: 25-75) and the pooled prevalence of depression was 35% (95% CI: 19-55). The pooled prevalence of anxiety was 54% (95% CI: 39-70) in the occupational group of nurses and 29% (95% CI: 17-44) among all health care workers. The pooled prevalence of depression was 46% (95% CI: 30 to 63) and 17% (95% CI: 10 to 26) among nurses and all health workers, respectively. Conclusion: According to the findings, a high prevalence of anxiety and depression was observed among the health care workers of Iran during the Covid-19 epidemic. The authorities are required to plan for preventive and therapeutic interventions to reduce the psychological burden of the epidemic.
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 | 0,015 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,041 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».