The burden and its determinants of mental health distress among adolescents dwelling in Africa: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Adolescent mental health issues are emerging as a significant public health concern across many low- and middle-income countries, particularly in Africa. This study aims to evaluate the aggregated prevalence and contributing risk factors of mental health distress among adolescents in Africa. Methodology A comprehensive search of PubMed, PsycINFO, Web of Science, Google Scholar, and HINARI databases was conducted to identify relevant articles on the prevalence and risk factors associated with mental health distress among African adolescents, published up to December 2023. The quality of the selected studies was assessed using the Newcastle-Ottawa Quality Assessment Scale. Heterogeneity among the studies was evaluated using the I² statistical test. Potential publication bias was assessed through a funnel plot and Egger’s statistical test. This systematic review was registered with PROSPERO under reference number CRD42023494665. Results Eighteen studies encompassing data from 37,016 adolescents were included in the analysis. The overall prevalence of mental health distress among adolescents in Africa was found to be 27.34% (95% CI: 23.18–31.50). The occurrence of mental health distress is observed in older adolescents at a prevalence of 29.44% (95% CI: 23.26–35.66) and in younger adolescents at 24.73% (95% CI: 11.96–37.51). Significant risk factors identified included bullying victimization, with an odds ratio (POR) of 1.30 (95% CI: 1.16, 1.46), and experiencing hunger, with an odds ratio (POR) of 2.10 (95% CI: 1.13, 3.91). Conclusion The findings indicate a high prevalence of mental health distress among adolescents in Africa, highlighting the widespread impact on this demographic. These results underscore the urgent need for targeted interventions to prevent and address mental health distress among adolescents. Further research on a global scale is essential to develop effective prevention and treatment strategies tailored to this age group.
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 | 0,017 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,037 |
| Bibliométrie | 0,009 | 0,009 |
| 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 ».