An analysis of patterns and predictors of self-reported common mental disorders in Ibadan Metropolis, Nigeria
Notice bibliographique
Résumé
Common mental disorders (CMDs) have been on the rise in developing countries. This study set out to unravel the pattern of CMD prevalence in a traditional African city, Ibadan. The study, in addition to socio-economic and demographic variables, takes into cognisance the effect of some peculiar environmental variables. The Self-Reporting Questionnaire-20 was used for CMD screening, and the questionnaire was administered to 1,200 respondents in a cross-sectional survey approach. The results showed that the overall pattern of CMD prevalence is random (Global Moran’s I (P = 0.78, I = 0.00 and Z = 0.29)). Respondents without education reported the highest cases of CMD (48.6%). When combined together, migrants reported 52.5% of the CMDs. The significant variables are food security (β = −0.198), green space (β = −0.057), migration status (β = −0.054), flood-prone residence (β = 0.453), low-quality housing (β = −0.061), frequent recreation participation (β = −0.071), experience of spousal violence (β = 0.199), positive self-rated health (β = −0.134) and positive quality of life (β = −0.205). The predictors of CMD explained about 35.8% of the variation (R2) and an R value of 59.9%. The study showed that CMDs occur among most of the urban population. Adequate media sensitization will have significant ameliorating effects on urban residents.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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; 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 ».