MétaCan
Menu
Retour à la cohorte
Enregistrement W3000569779 · doi:10.1371/journal.pone.0227323

Antenatal depression and its association with adverse birth outcomes in low and middle-income countries: A systematic review and meta-analysis

2020· review· en· W3000569779 sur OpenAlexaboutno aff
Abel Fekadu Dadi, Emma R. Miller, Lillian Mwanri

Notice bibliographique

RevuePLoS ONE · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAntenatal depressionDepression (economics)Edinburgh Postnatal Depression ScaleMeta-analysisObservational studyCohort studyMEDLINEPublication biasPregnancyPsychiatryDemographyDepressive symptomsAnxietyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Depression in pregnancy (antenatal depression) in many low and middle-income countries is not well documented and has not been given priority for intervention due to competing urgencies and the belief that it does not immediately cause fatalities, which mainly emanated from lack of comprehensive research on the area. To fill this research gap, this systematic review was conducted to investigate the burden of antenatal depression and its consequences on birth outcomes in low- and middle-income countries. METHODS: We systematically searched the databases: CINHAL, MEDLINE, EMCare, PubMed, PSyc Info, Psychiatry online, and Scopus for studies conducted in low and middle-income countries about antenatal depression and its association with adverse birth outcomes. We have included observational studies (case control, cross-sectional and cohort studies), written in English-language, scored in the range of "good quality" on the Newcastle Ottawa Scale (NOS), and were published between January 1, 2007 and December 31, 2017. Studies were excluded if a standardized approach was not used to measure main outcomes, they were conducted on restricted (high risk) populations, or had fair to poor quality score on NOS. We used Higgins and Egger's to test for heterogeneity and publication bias. Primary estimates were pooled using a random effect meta-analysis. The study protocol was registered in PROSPERO with protocol number CRD42017082624. RESULT: We included 64 studies (with 44, 035 women) on antenatal depression and nine studies (with 5,540 women) on adverse birth outcomes. Antenatal depression was higher in the lower-income countries (Pooled Prevalence (PP) = 34.0%; 95%CI: 33.1%-34.9%) compared to the middle-income countries (PP = 22.7%, 95%CI: 20.1%-25.2%) and increased over the three trimesters. Pregnant women with a history of economic difficulties, poor marital relationships, common mental disorders, poor social support, bad obstetric history, and exposure to violence were more likely to report antenatal depression. The risk of having preterm birth (2.41; 1.47-3.56) and low birth weight (1.66; 1.06-2.61) was higher in depressed mothers compared to mothers without depression. CONCLUSIONS: Antenatal depression was higher in low-income countries than in middle-income countries and was found to be a risk factor for low birth weight and preterm births. The economic, maternal, and psychosocial risk factors were responsible for the occurrence of antenatal depression. While there could be competing priority agenda to juggle for health policymakers in low-income countries, interventions for antenatal depression should be reprioritized as vitally important in order to prevent the poor maternal and perinatal outcomes identified in this review.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,034
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,033
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,315
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations240
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207