MétaCan
Menu
Retour à la cohorte
Enregistrement W4413788732 · doi:10.1159/000547927

Mapping Disease Burden of Major Depressive Disorder and Its Risk Factors in Low- and Middle-Income Countries

2025· article· en· W4413788732 sur OpenAlexaff
Qinyao Yu, Fanyu Xue, Sofia Laila Wik, Mingjun Gao, Yusuff Adebayo Adebisi, Don Eliseo Lucero‐Prisno, Claire Chenwen Zhong, Martin C. S. Wong, Junjie Huang

Notice bibliographique

RevuePsychotherapy and Psychosomatics · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesChinese University of Hong Kong
Mots-clésPsychologyPsychiatryBurden of diseaseMajor depressive disorderLow and middle income countriesDiseaseClinical psychologyMedicineDeveloping countryEconomic growthMoodEconomics

Résumé

récupéré en direct d'OpenAlex

Introduction: Major depressive disorder (MDD) is currently the second leading cause of life expectancy due to disability globally. This study aimed to examine the disease burden, risk factors, and temporal trends of MDD in low- and middle-income countries (LMICs) from 1990 to 2021. METHODS: Disability-adjusted life years (DALYs) data for 135 LMICs were obtained from the 2021 Global Burden of Disease (GBD) database. To assess trends in the burden of MDD over the past 3 decades, segmented regression analysis was applied to calculate the estimated annual percentage change. Spearman correlation analysis was conducted to examine the association between gross national income (GNI) and gender disparities in age-standardized DALY rates (ASDR) for MDD. We also explored how key risk factors - intimate partner violence, bullying victimization, and childhood sexual abuse - contributed to observed disparities. RESULTS: In 2021, LMICs accounted for 80.19% of the global burden of MDD. Age and gender disparities were significant, with DALY rates increasing markedly from adolescence and peaking around age 75. Gender disparities showed a higher burden among females, particularly in countries with higher GNI per capita. Analysis of risk factors revealed that intimate partner violence, bullying victimization, and childhood sexual assault were major contributors to the MDD burden, with notable variations across income levels and age groups. Temporal trends showed a marked increase in MDD burden across all income groups after 2019. CONCLUSION: MDD continues to impose a significant health burden in LMICs, disproportionately affecting females, youth, and elderly populations. The significant increase in MDD burden across all income groups after 2019 likely reflects the intensifying effects of global disruptions, with the COVID-19 pandemic being a key contributing factor. Populations with the highest burden also showed greater exposure to key risk factors. .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,855

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,331
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychotherapy and PsychosomaticsMême sujetMental Health Treatment and AccessTravaux en français237 207