PATTERN OF PSYCHIATRIC DISORDERS AT HIGH ALTITUDE: A CROSS-SECTIONAL STUDY FROM SKARDU, PAKISTAN
Notice bibliographique
Résumé
OBJECTIVES: To determine the frequency of different psychiatric disorders among patients reporting to psychiatry department and to study their association with age, marital status and education level. STUDY DESIGN: Descriptive cross-sectional study. PLACE AND DURATION OF STUDY: Department of Psychiatry, Combined Military Hospital (CMH) Skardu from September 2021 to February 2022. MATERIALS AND METHODS: A total of one hundred adult individuals, between 21 to 40 years of age, presenting to the Psychiatry department at CMH Skardu, were enrolled in this study after taking written informed consent. All the patients were interviewed by consultant psychiatrist and diagnosis was based on International Classification of Diseases (ICD) version 10. RESULTS: Out of a total of 100 patients, 81 (81%) were married and 19 (19%) were un-married. The mean age of the patients was 26.94 + 4.35 years. The most common psychiatric disorders among patients living at high altitude were depressive episode in 44 patients (44%), followed by adjustment disorders in 30 (30%), anxiety disorder in 12 (12%), dissociative disorder in 9 (9%) and mood disorder in 5 patients (5%). CONCLUSION: Depressive episode and adjustment disorder were the most prevalent psychiatric disorders at high altitude.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».