Fertility Rate Trends Among Adolescent Girls With Major Mental Illness: A Population-Based Study
Notice bibliographique
Résumé
OBJECTIVE: Fertility rates among adolescents have decreased substantially in recent years, yet fertility rates among adolescent girls with mental illness have not been studied. We examined temporal trends in fertility rates among adolescent girls with major mental illness. METHODS: We conducted a repeated annual cross-sectional study of fertility rates among girls aged 15 to 19 years in Ontario, Canada (1999-2009). Girls with major mental illness were identified through administrative health data indicating the presence of a psychotic, bipolar, or major depressive disorder within 5 years preceding pregnancy (60,228 person-years). The remaining girls were classified into the comparison group (4,496,317 person-years). The age-specific fertility rate (number of live births per 1000 girls) was calculated annually and by using 3-year moving averages for both groups. RESULTS: The incidence of births to girls with major mental illness was 1 in 25. The age-specific fertility rate for girls with major mental illness was 44.9 per 1000 (95% confidence interval [CI]: 43.3-46.7) compared with 15.2 per 1000 (95% CI: 15.1-15.3) in unaffected girls (rate ratio: 2.95; 95% CI: 2.84-3.07). Over time, girls with major mental illness had a smaller reduction in fertility rate (relative rate: 0.86; 95% CI: 0.78-0.96) than did unaffected girls (relative rate: 0.78; 95% CI: 0.76-0.79). CONCLUSIONS: These results have key clinical and public policy implications. Our findings highlight the importance of considering major mental illness in the design and implementation of pregnancy prevention programs as well as in targeted antenatal and postnatal programs to ensure maternal and child well-being.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».