Depression symptoms and mental health well-being among Bangladeshi nursing students
Notice bibliographique
Résumé
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».