Rising prevalence of depression and widening sociodemographic disparities in depressive symptoms among Filipino youth: findings from two large nationwide cross-sectional surveys
Notice bibliographique
Résumé
Youth depression is a critical target for early intervention due to its strong links with adult depression and long-term functional impairment. In low- and middle-income countries (LMICs) like the Philippines, limited epidemiological data hampers mental health service planning for youth. This study analyzed nationally representative survey data from 2013 (n = 10,949) and 2021 (n = 19,178) to estimate the prevalence of moderate to severe depressive symptoms (MSDS) among Filipinos aged 15-24 years, using the 11-item version of the Center for Epidemiologic Studies Depression Scale. Survey-weighted analyses revealed that MSDS prevalence more than doubled from 9.6% in 2013 to 20.9% in 2021. The rise was most pronounced among females (10.8% to 24.3%), non-cisgender or homonormative individuals (9.7% to 32.3%), youth with primary education or less (10.8% to 26.5%), youth from economically disadvantaged households (10.6% to 25.1%) and youth who were separated, widowed or divorced (18.3% to 41.3%). Disparities in MSDS also widened over time, with some groups bearing a disproportionate burden. These findings underscore the need to expand accessible, high-quality mental health services for youth in LMICs, such as the Philippines. Continued monitoring and targeted interventions are essential to address the rising burden of depression, particularly among underserved and disproportionately affected groups.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».