Paternal Perinatal Depression: A Narrative Review
Notice bibliographique
Résumé
The perinatal period, which covers the time when a man’s partner becomes pregnant through to the first year after birth can be a time of great excitement, happiness, and joy. However, it can also be a time of great disruption and change. Despite the positive and protective long-term effect that fatherhood has on men’s health, a significant proportion of fathers’ experience depressive symptoms during the perinatal period. This paper aims to review studies that assessed symptoms of depression in fathers during the perinatal period and to describe the prevalence estimates, identify the risk factors and impact of depression, and establish if there are interventions that effectively reduce depression among fathers. A systematic search of relevant electronic databases including Medline, CINAHL, Cochrane Library, PsycARTICLES, PsycINFO, and Psychology and Behavioural Sciences Collection were searched using keywords related to paternal perinatal depression. Prevalence estimates of paternal perinatal depression varied widely between studies, ranging from 1 to 46%. Several sociodemographic variables that contribute to depression in fathers in the perinatal period were reported and these include paternal age, lower education levels, parity, an unplanned pregnancy, and maternal depression. Paternal perinatal depression is associated with morbidity within the father’s family, including depression in his partner, maladjustment to parenthood and future psychological problems in his children. In conclusion, evidence from this review adds further support for the need to review how we plan, provide and resource our health services, to recognize the influence that pregnancy, birth, and fatherhood in the perinatal period can have on men’s mental health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,002 |
| 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 ».