Data_Sheet_1_Risk factors for perimenopausal depression in Chinese women: a meta-analysis.docx
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective<p>To systematically evaluate the risk factors for perimenopausal depression in Chinese women and to provide a basis for screening perimenopausal women at high-risk for depression.</p>Methods<p>A computer search of seven databases, including SinoMed, PubMed, Web of Science, and so on, and two clinical trial registries on the risk factors for depression in Chinese women during perimenopause was conducted for meta-analysis. The search time limit was from the establishment of the database to December 2022. The included case–control and cross-sectional studies were evaluated using the Newcastle–Ottawa scale (NOS) and criteria developed by the Agency for Healthcare Research and Quality (AHRQ).</p>Results<p>A total of 15 papers with 12,168 patients and 18 risk factors were included. Meta-analysis results showed that the risk factors for depression in perimenopausal women were relationship quality [OR = 1.23, 95% confidence intervals (1.03, 1.46)], marital status [OR = 2.49, 95% CI (1.77, 3.50)], family income [OR = 1.48 95% CI (1.10, 2.00)], comorbid chronic diseases [OR = 2.39, 95% CI (1.93, 2.95)], exercise status [OR = 1.63, 95% CI (1.26, 2.11)], perimenopausal syndrome [OR = 2.36, 95% CI (2.11, 2.63)], age [OR = 1.04, 95% CI (1.01, 1.07)], and stressful events [OR = 12.14, 95% CI (6.48, 22.72)], and social support was a protective factor [OR = 0.76, 95% CI (0.63, 0.91), p < 0.05].</p>Conclusion<p>Based on the exploration of risk factors for perimenopausal depression in Chinese women, we aimed to provide guidance for the screening of risk factors for depression in perimenopausal women and thereby reduce the incidence of depression.</p>Systematic review registration<p>https://www.crd.york.ac.uk/PROSPERO/#myprospero, CRD42023403972.</p>
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.
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 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,244 | 0,002 |
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 découle