The Association Between the Use of Antenatal Care Smartphone Apps in Pregnant Women and Antenatal Depression: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Antenatal care smartphone apps are increasingly used by pregnant women, but studies on their use and impact are scarce. OBJECTIVE: This study investigates the use of antenatal care apps in pregnant women and explores the association between the use of these apps and antenatal depression. METHODS: This study used a convenient sample of pregnant women recruited from Hunan Provincial Maternal and Child Health Hospital in November 2015. The participants were surveyed for their demographic characteristics, use of antenatal care apps, and antenatal depression. Factors that influenced antenatal pregnancy were analyzed using logistic regression. RESULTS: Of the 1304 pregnant women, 71.31% (930/1304) used antenatal care apps. Higher usage of apps was associated with urban residency, nonmigrant status, first pregnancy, planned pregnancy, having no previous children, and opportunity to communicate with peer pregnant women. The cutoff score of the Edinburgh Postnatal Depression Scale was 10, and 46.11% (601/1304) of the pregnant women had depression. Logistic regression showed that depression was associated with the availability of disease-screening functions in the apps (odds ratio (OR) 1.78, 95% CI 1.03-3.06) and spending 30 minutes or more using the app (OR 2.05, 95% CI 1.19-3.52). Using apps with social media features was a protective factor for antenatal depression (OR 0.33, 95% CI 0.12-0.89). CONCLUSIONS: The prevalence of the use of prenatal care apps in pregnant women is high. The functions and time spent on these apps are associated with the incidence of antenatal depression.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».