PREVALENCE OF DEPRESSION, STRESS AND ANXIETY IN NURSES OF INTENSIVE CARE UNITS IN IRANIAN HOSPITALS: A SYSTEMATIC REVIEW, META-ANALYSIS AND META-REGRESSION
Notice bibliographique
Résumé
Background & Aims Nurses in intensive care units face unique challenges that can have serious effects on their mental health and job performance, leading to depression, stress, and anxiety.This study was conducted to determine the prevalence of depression, stress, and anxiety among nurses in critical care units in Iranian hospitals through a systematic review and meta-analysis.Materials & Methods: An electronic search was conducted in PubMed, Scopus, Web of Science, ScienceDirect, Scientific Information Database, and Magiran until June 2024.A manual search was also conducted in key review articles and primary sources.The studies were limited to Persian and English languages.Study bias was evaluated using the Newcastle-Ottawa Scale checklist, and data analysis was carried out using Comprehensive Meta-Analysis software version 3. Results: A total of 18 observational studies involving 2,611 nurses were included in the study.The results of the meta-analysis indicated that the prevalence of depression, stress, and anxiety among ICU nurses was 28% (95% confidence interval [CI] 0.14-0.47,P=0.03), 68% (95% CI 0.53-0.80,P=0.01), and 53% (95% CI 0.29-0.76,P=0.76), respectively.There was no significant relationship between the prevalence of stress and the year of publication of the study (P>0.05).Publication bias was not observed in the study. Conclusion:Intensive care unit nurses experience depression, stress, and anxiety.Therefore, implementing effective measures to identify and alleviate these issues among nurses can enhance their well-being and positively impact the quality of patient care.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».