Comparing CenteringPregnancy® to standard prenatal care plus prenatal education
Notice bibliographique
Résumé
BACKGROUND: There is significant evidence to support the importance of prenatal care in preventing adverse outcomes such as preterm birth and low infant birth weight. Previous studies have indicated that the benefits of prenatal care are not evenly distributed throughout the social strata. In addition, emerging evidence suggests that among particular populations, rates of preterm birth are unchanged or increasing. This suggests that an alternate care model is necessary, one that seeks to addresses some of the myriad of social factors that also contribute to adverse birth outcomes. In previous studies, the group prenatal care model CenteringPregnancy® had been shown to reduce adverse birth outcomes, but to date, no comparison had been made with a model that included prenatal education. This study sought to investigate whether any significant difference remained within the comparison groups when both models accounted for social factors. METHODS: This analysis was based on survey data collected from a prospective cohort of pregnant women through the All Our Babies Study in Calgary, Alberta. RESULTS: At baseline, there were significant differences between the comparison groups in their psychosocial health, with the women in the CenteringPregnancy® group scoring higher levels of depressive symptoms, stress and anxiety. At four months postpartum, the differences between the groups were no longer significant. CONCLUSIONS: These results suggest that CenteringPregnancy® can recruit and retain a demographically vulnerable group of women with a constellation of risk factors for poor pregnancy and birth outcomes, including poverty, language barriers and poor mental health. Post program, the rates of stress, anxiety and depression were similar to other women with more social and financial advantage. These findings suggest that CenteringPregnancy® may be a community based care strategy that contributes to improved mental health, knowledge, and behaviours to optimize outcomes for mothers and children.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 ».