Perceived and self-stigma in people with epilepsy in East Africa: Systematic review and meta-analysis
Notice bibliographique
Résumé
Background People with stigmatizing conditions associated with epilepsy encounter many difficulties in their daily lives and are more likely to have low self-esteem, low levels of hope, internalize negative attitudes, decrease adherence to treatment, and experience unemployment. The purpose of this study was to quantify the extent of perceived stigma and self-stigma among people with epilepsy. Methodology This systematic review and meta-analysis followed the Preferred Reporting Item Review and Meta-analysis (PRISMA) guideline. PubMed, PsycINFO, Web of Science, Cochrane Library, Google Scholar, and HINARI were major search databases. The included literature reports the prevalence of perceived stigma and self-stigma among people with epilepsy in East Africa. The quality of each study was evaluated using the Newcastle-Ottawa Quality Assessment Scale (NOS). Data were extracted using a Microsoft Excel spreadsheet, and data analysis was performed using STATA version 11. The pooled prevalence of perceived stigma and self-stigma was determined using a random effect model. Heterogeneity between studies was checked using the I 2 statistical test. Publication bias was checked using Egger's statistical test and funnel plot. Results The pooled prevalence of perceived stigma and self-stigma in people with epilepsy was 43.9% with a 95% CI (29.2, 58.7) and 41.2% with a 95% CI (12.1, 70.3), respectively. Based on the country, sub-group analysis revealed that the prevalence of perceived stigma among people with epilepsy shows a notable difference between the countries. In Ethiopia, the prevalence was 51.8% with a 95% CI of 29.8 to 73.8; in Uganda, 39.4% with a 95% CI of 27.1 to 51.3; in Tanzania, 27.4% with a 95% CI of 27.9 to 36.9; and in Kenya, 33.2% with a 95% CI of 28.2 to 38.2. Conclusion Roughly 30% of people with epilepsy experience self-stigma, while approximately 44% of people with epilepsy experience perceived stigma. As a result, the relevant authorities ought to focus on reducing the prevalence of stigma among people who have epilepsy.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,030 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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 ».