Psychiatric comorbidity in people with epilepsy in Ethiopia: Systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Psychiatric comorbidity is a double burden among people with epilepsy. Since people with epilepsy are more vulnerable to psychiatric illnesses. So, the implementation of an appropriate intervention to minimize the double burden of comorbidity is very important. Therefore, this systematic review and meta-analysis aimed to assess the prevalence and associated factors of psychiatric comorbidity among people with epilepsy in Ethiopia. METHODS: This systematic review and meta-analysis followed the Preferred Reporting Item Review and Meta-analysis (PRISMA) guideline. Searching databases were PubMed, PsycINFO, Web of Science, Cochrane Library, Google Scholar, and HINARI.The quality of the included articles was assessed using the Newcastle-Ottawa Scale (NOS). The pooled meta-logistic regression was computed to estimate the pooled prevalence and the risk factors with a 95% CI. RESULTS: The pooled prevalence of psychiatric comorbidity in people with epilepsy was 34.69 % (95 % CI: 29.27, 40.10). Frequent seizures (POR = 2.94: 95 % CI: 1.08, 8.00) and a history of divorce (POR = 2.00: 95 % CI: 1.09, 3.81) were associated factors of psychiatric comorbidity in people with epilepsy. CONCLUSIONS: This systematic review and meta-analysis revealed that the pooled prevalence of psychiatric comorbidity among people with epilepsy was found to be higher compared with the general population. Therefore, among people with epilepsy, parallel psychiatric evaluation is very important along with neurological evaluation.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».