Prevalence of depression in Uganda: A systematic review and meta-analysis
Notice bibliographique
Résumé
Depression is one of the most studied mental health disorders, with varying prevalence rates reported across study populations in Uganda. A systematic review and meta-analysis was carried out to determine the pooled prevalence of depression and the prevalence of depression across different study populations in the country.Papers for the review were retrieved from PubMed, Scopus, PsycINFO, African Journal OnLine, and Google Scholar databases. All included papers were observational studies regarding depression prevalence in Uganda, published before September 2021. The Joanna Briggs Institute Checklist for Prevalence Studies was used to evaluate the risk of bias and quality of the included papers, and depression pooled prevalence was determined using a random-effects meta-analysis.A total of 127 studies comprising 123,859 individuals were identified. Most studies were conducted among individuals living with HIV (n = 43; 33.9%), and the most frequently used instrument for assessing depression was the Depression sub-section of the Hopkins Symptom Checklist (n = 34). The pooled prevalence of depression was 30.2% (95% confidence interval [CI]: 26.7-34.1, I2 = 99.80, p<0.001). The prevalence of depression was higher during the COVID-19 pandemic than during the pre-pandemic period (48.1% vs. 29.3%, p = 0.021). Refugees had the highest prevalence of depression (67.6%; eight studies), followed by war victims (36.0%; 12 studies), individuals living with HIV (28.2%; 43 studies), postpartum or pregnant mothers (26.9%; seven studies), university students (26.9%; four studies), children and adolescents (23.6%; 10 studies), and caregivers of patients (18.5%; six studies).Significantly high levels of heterogeneity among the studies included.Almost one in three individuals in Uganda has depression, with the refugee population being disproportionately affected. Targeted models for depression screening and management across various populations across the country are recommended.Protocol registered with PROSPERO (CRD42022310122).
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 | 0,016 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,040 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».