Investigating the Relationship between Socio-economic Status and Mental Illness: A Comprehensive Analysis of 1,389,125 Individuals through Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Abstract Background: The global prevalence of mental disorders highlights the urgency of understanding their determinants. Socio-economic status (SES), encompassing income, education and occupation, plays a crucial role in shaping mental health outcomes. Research consistently demonstrates a strong association between lower SES and an increased risk of mental disorders. Comprehensive synthesis through systematic review and meta-analysis is essential for informing targeted interventions to address socio-economic disparities and promote mental well-being. Methods: We searched PubMed, the Cochrane Library and the Web of Science. Studies examining the association between SES indicators (e.g., education, income and occupation) and mental disorders were included. Quality assessment and risk-of-bias evaluations were conducted using the Newcastle–Ottawa Scale. Statistical analyses were performed to calculate pooled hazard ratios (HRs) and 95% confidence intervals (CIs) for the association between SES and mental disorders. Results: SES was associated with higher mental disorders. Educational level, income level and occupational level were examined for their association with mental disorders, all showing statistically significant correlations (pooled HR: 1.17 [95% CI: 1.2, 1.23]; 1.08 [95% CI: 1.05, 1.1]; 1.66 [95% CI: 1.59, 1.74], respectively). Despite high heterogeneity, the overall effects remained significant, as demonstrated in the sensitivity analysis. Conclusion: This systematic review and meta-analysis provide evidence of the association between SES and mental disorders, emphasising the importance of addressing socio-economic disparities in mental health. The findings underscore the need for targeted interventions to promote mental well-being and equitable access to mental healthcare services. By identifying actionable strategies to address social determinants of mental health, this study contributes to efforts aimed at reducing health inequities and fostering resilient communities.
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 | 0,009 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».