Prevalence of Anxiety, Depression, and Substance Use among Secondary School Students Aged 10 - 24 Years in the Southwest Region of Cameroon
Notice bibliographique
Résumé
Background: Mental health disorders represent a significant public health concern, particularly among adolescents. This study aimed to assess the prevalence of mental health disorders and associated factors, as well as knowledge of mental health, among secondary school students in the Southwest Region of Cameroon. Methods: A cross-sectional study was conducted involving 958 secondary school students. Data were collected on demographics, knowledge of mental health disorders, and the presence of anxiety, depression, substance use disorders, and suicidal thoughts. Descriptive statistics and univariate and multivariate logistic regression were used. Results: The overall prevalence of mental health disorders (anxiety, depression, and substance use) was 73.6%, with high rates of anxiety (54.7%), depression (57.3%), and substance use disorders (42.2%). Knowledge of mental health disorders was adequate for 55.3% of the students. Males demonstrated lower odds of adequate knowledge than females (OR = 0.730, 95% CI: 0.559 - 0.954), and residents of Tiko had lower odds than residents of Limbe (OR = 0.368, 95% CI: 0.213 - 0.639). Younger age groups and the presence of suicidal thoughts were significantly associated with mental health disorders according to multivariate analysis. Conclusion: This study revealed a high prevalence of anxiety, depression, and substance use among students. 55.3% of students demonstrated adequate knowledge of mental health. Disparities exist in terms of gender and location. These findings highlight the urgent need for mental health awareness programs, especially for vulnerable populations.
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 | 0,008 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».