‘Time for self’ appears to be a proactive strategy for the prevention of postpartum depression
Notice bibliographique
Résumé
Commentary on: Woolhouse H, Small R, Miller K, et al. Frequency of ‘Time for Self’ is a significant predictor of postnatal depressive symptoms: results from a prospective pregnancy cohort study. Birth 2016;43:58–67.[OpenUrl][1][CrossRef][2][PubMed][3] Perinatal mental health is a leading public health issue with significant economic cost to society if left untreated.1 Owing to its negative effect on maternal and child outcomes,2 there is ever-growing research focusing on prevention strategies. An updated Cochrane systematic review suggests that psychosocial and psychological interventions may decrease the risk of developing postpartum depression by 22%, and it … [1]: {openurl}?query=rft.jtitle%253DBirth%26rft.volume%253D43%26rft.spage%253D58%26rft_id%253Dinfo%253Adoi%252F10.1111%252Fbirt.12210%26rft_id%253Dinfo%253Apmid%252F26678360%26rft.genre%253Darticle%26rft_val_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Ajournal%26ctx_ver%253DZ39.88-2004%26url_ver%253DZ39.88-2004%26url_ctx_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Actx [2]: /lookup/external-ref?access_num=10.1111/birt.12210&link_type=DOI [3]: /lookup/external-ref?access_num=26678360&link_type=MED&atom=%2Febnurs%2F19%2F4%2F114.atom
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».