MétaCan
Menu
Retour à la cohorte
Enregistrement W4416838894 · doi:10.1007/s44155-025-00335-w

Depression symptoms and mental health well-being among Bangladeshi nursing students

2025· article· en· W4416838894 sur OpenAlexaff
Anjan Kumar Roy, Md Ikbal Hossain, Samiul Amin Chowdhury, Md. Abdul Qaum Mezan, Masuda Akter, Shimpi Akter, Sopon Akter, Md. Hasan Al Banna, Saifur Rahman Chowdhury, Humayun Kabir, Ahmed Hossain

Notice bibliographique

RevueDiscover Social Science and Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensMcMaster UniversityImpactUniversity of AlbertaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésDepression (economics)Mental healthCorrelationPatient Health QuestionnairePositive correlationCross-sectional study

Résumé

récupéré en direct d'OpenAlex

Depression and poor mental health well-being are common concerns among nursing students as these outcomes impact students’ academic performance, clinical competence, and quality of life. This study aimed to investigate depression symptoms and mental health well-being, identify their associated predictors, and examine the correlation between depression symptoms and mental health well-being among nursing students in Bangladesh. Between August and October 2022, we collected data for this cross-sectional study via an online questionnaire, which included the PHQ-9 to assess depression symptoms and the WEMWBS-14 to measure mental health well-being. Multiple linear regression models identified predictors of depression and mental health well-being. Pearson correlation assessed the correlation between the depression symptoms score and mental health well-being score. A total of 2174 nursing students participated in the study, with a mean age of 20.96 years. Over 60% of students reported moderate to extremely severe depression symptoms. Age, sex, family pressure to choose nursing, and postgraduate qualifications of teachers were significant predictors of depression symptoms. For mental health well-being, age, sex, mother’s education, type of institution, family pressure to choose nursing, availability of subject-specific teachers, and postgraduate qualifications of teachers were the significant predictors. We observed a statistically significant moderate negative correlation ( r = − 0.39) between mental health well-being and depression symptoms. Depression symptoms were highly prevalent among nursing students who participated in this study and were significantly correlated with poor mental health well-being. Demographic and academic predictors, including family pressure to choose nursing and qualifications of teachers, were significant predictors of depression symptoms and mental health outcomes. The findings emphasize the need for mental health interventions and supportive academic environments within nursing education in the context of Bangladesh.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,142
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0110,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,470
Écart entre enseignants0,443 · 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.

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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscover Social Science and HealthMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207