Prenatal Depression Screening by Certified Nurse‐Midwives, Oregon
Notice bibliographique
Résumé
INTRODUCTION: About 18% of pregnant women have major or minor depression during pregnancy, but many are neither screened nor treated. Lack of treatment can have serious adverse consequences for the woman and her child. Since 2002, the American College of Nurse-Midwives has advised midwives to integrate prevention, universal screening, treatment, and/or referral for depression into the care they provide. The American College of Obstetricians and Gynecologists' 2015 guidelines recommend screening at least once in the perinatal period using a standardized, validated tool. A consensus has not been reached by professional organizations about the specifics of whether and when to screen for prenatal depression. The objective of this study is to understand the prenatal screening practices of midwives who practice in Oregon. METHODS: We surveyed all 162 Oregon-licensed certified nurse-midwives (CNMs). The survey asked about practice characteristics, demographics, screening, and perceived barriers to screening. The survey was administered electronically from October through December 2014. RESULTS: The response rate was 37%. Among the 53 CNM respondents who had provided prenatal care in the previous year, 50 (94%) reported screening for prenatal depression, and 38 (72%) reported the use of a standardized screening tool on more than 90% of prenatal patients. Thirty-five (66%) CNMs reported using the Edinburgh Postnatal Depression Scale. More than 60% of respondents indicated that availability of mental health services and insurance constraints were barriers to screening. DISCUSSION: We explored prenatal depression screening practices of CNMs. Most Oregon CNMs use a standardized screening tool. We suggest 2 strategies to overcome barriers to screening: incorporation of a standardized screening tool into electronic medical records and negotiation with insurance companies. More research is needed to clarify when and how often pregnant women should be screened for depression and how to increase the number of women who receive treatment.
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 | 0,001 | 0,003 |
| 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) | 0,003 | 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 ».