Prepregnancy Diabetes and Perinatal Mental Illness: A Population-Based Latent Class Analysis
Notice bibliographique
Résumé
We examined the risk of any perinatal mental illness associated with prepregnancy diabetes and identified how diabetes duration, complexity, and intensity of care affect this risk. We performed a population-based study of women aged 15-49 years with (n = 14,186) and without (n = 843,818) prepregnancy diabetes who had a singleton livebirth (Ontario, Canada, 2005-2015) and no recent mental illness. Modified Poisson regression estimated perinatal mental illness risk between conception and 1 year postpartum in women with versus without diabetes and in diabetes groups, defined by a latent class analysis of diabetes duration, complexity, and intensity-of-care variables, versus women without diabetes. Women with diabetes were more likely than those without to develop perinatal mental illness (18.1% vs. 16.0%; adjusted relative risk = 1.11, 95% confidence interval: 1.07, 1.15). Latent classes of women with diabetes were: uncomplicated and not receiving regular care (59.7%); complicated, with longstanding diabetes, and receiving regular care (16.4%); and recently diagnosed, with comorbidities, and receiving regular care (23.9%). Perinatal mental illness risk was elevated in all classes versus women without diabetes (adjusted relative risks: 1.09-1.12), but results for class 2 were nonsignificant after adjustment. Women with diabetes could benefit from preconception and perinatal strategies to reduce their mental illness risk.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».