Development of a Prenatal Psychosocial Screening Tool for Post‐Partum Depression and Anxiety
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
BACKGROUND: Post-partum depression (PPD) is the most common complication of pregnancy in developed countries, affecting 10-15% of new mothers. There has been a shift in thinking less in terms of PPD per se to a broader consideration of poor mental health, including anxiety after giving birth. Some risk factors for poor mental health in the post-partum period can be identified prenatally; however prenatal screening tools developed to date have had poor sensitivity and specificity. The objective of this study was to develop a screening tool that identifies women at risk of distress, operationalized by elevated symptoms of depression and anxiety in the post-partum period using information collected in the prenatal period. METHODS: Using data from the All Our Babies Study, a prospective cohort study of pregnant women living in Calgary, Alberta (N = 1578), we developed an integer score-based prediction rule for the prevalence of PPD, as defined as scoring 10 or higher on the Edinburgh Postnatal Depression Scale (EPDS) at 4-months postpartum. RESULTS: The best fit model included known risk factors for PPD: depression and stress in late pregnancy, history of abuse, and poor relationship quality with partner. Comparison of the screening tool with the EPDS in late pregnancy showed that our tool had significantly better performance for sensitivity. Further validation of our tool was seen in its utility for identifying elevated symptoms of postpartum anxiety. CONCLUSION: This research heeds the call for further development and validation work using psychosocial factors identified prenatally for identifying poor mental health in the post-partum period.
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 | 0,000 |
| 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 découle