Use of Text Messaging for Postpartum Depression Screening and Information Provision
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to evaluate the feasibility of using text messages to enhance mental health screening and education of women in the immediate postpartum period. METHODS: A total of 937 postpartum women were recruited from an obstetrics and gynecology clinic of a large urban hospital. Participants received a text message containing a two-question screen for postpartum depression every two weeks and three text messages per week about postpartum mental health for the first 12 weeks postpartum. Those who screened positive were administered the Edinburgh Postnatal Depression Scale. They were matched with a subset of women who were also assessed with the Edinburgh Postnatal Depression Scale after screening negative for depression with the text messaging screen. At 12 to 13 weeks postpartum, all participants received an online survey assessing satisfaction with the text messages. RESULTS: Of 937 participants, 126 (13%) screened positive. Agreement between the texted screen and the Edinburgh Postnatal Depression Scale was moderate (κ=0.45), with good sensitivity (0.90, 95% confidence interval [95% CI]=0.81-0.96) and specificity (0.82, 95% CI=0.79-0.85). Nine hundred thirty (99%) participants responded to at least one of the six texted screens, whereas 632 (67%) responded to all six. Of the 589 (63%) who responded to the satisfaction survey, 459 (78%) recommended that all women be screened for postpartum depression via text messaging and that all women in the postpartum period be sent information texts about postpartum depression (N=504, 91%). CONCLUSIONS: Using text messaging technology to screen women for postpartum depression and provide information on postpartum mental health appears to be sensitive, feasible, and well accepted.
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 | 0,001 |
| 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 ».