Adverse childhood experiences and common mental disorders among young people in Ethiopia: a cross-sectional study using WHO ACE-IQ
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to explore adverse childhood experiences (ACEs) and their association with common mental disorders (CMD) among college students in Ethiopia. DESIGN: Cross-sectional study. SETTING: Addis Ababa University, College of Health Sciences. PARTICIPANTS: A total of 345 participants completed the whole questionnaire. METHODS AND MATERIALS: The study used a stratified random sampling technique. Data were gathered through self-administered questionnaires. The instruments used included adapted sociodemographic questions, the ACEs International Questionnaire, the Patient Health Questionnaire, the Generalized Anxiety Disorder Scale and a brief tool for assessing substance use. To examine the relationship between ACEs and various independent variables, both binary and multivariate logistic regression analyses were employed. RESULT: In the total sample (n=345), the participant's mean age was 22.2 (± 2.03), with the majority being females (58%). About 16% of the participants reported depression symptoms and 14.2% had anxiety. The majority of the participants (80%) had at least one ACE and one quarter (25.2%) of the participants had experienced four or more ACEs. The most prevalent type of ACE was community violence (35.4%). One fifth (20%) of the participants had reported having experienced childhood sexual abuse. After controlling for confounding variables, those with four or more ACEs were 6.17 times (adjusted OR (aOR) 6.17; 2.51, 15.18) and 6.0 times (aOR 6.0; 2.25, 16.02) more likely to have depression and anxiety, respectively. CONCLUSION: There was a dose-response relationship between ACEs and both anxiety and depression. Identifying and preventing ACEs at an early stage could contribute to reduce depression and anxiety among young people. Efforts to prevent ACEs should target not only individuals but also extend to households and 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 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 | 0,001 | 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 | 0,000 | 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 ».