MétaCan
Menu
Retour à la cohorte
Enregistrement W3027373195 · doi:10.1111/aogs.13925

Uptrend in distress and psychiatric symptomatology in pregnant women during the coronavirus disease 2019 pandemic

2020· article· en· W3027373195 sur OpenAlexaffabout
Nicolas Berthelot, Roxanne Lemieux, Julia Garon‐Bissonnette, Christine Drouin‐Maziade, Élodie Martel, Michel Maziade

Notice bibliographique

RevueActa Obstetricia Et Gynecologica Scandinavica · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensUniversité LavalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésMedicineDissociative Experiences ScalePregnancyPrenatal carePsychiatryPandemicAnxietyDistressGestational ageOffspringDepression (economics)ObstetricsDiseaseCoronavirus disease 2019 (COVID-19)Clinical psychologyInternal medicinePopulationPsychosis

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Prenatal maternal distress has a negative impact on the course of pregnancy, fetal development, offspring development, and later psychopathologies. The study aimed to determine the extent to which the coronavirus disease 2019 (COVID‐19) pandemic may aggravate the prenatal distress and psychiatric symptomatology of pregnant women. Material and methods Two cohorts of pregnant volunteer women were evaluated, one that was recruited before the COVID‐19 pandemic (n = 496) through advertisements in prenatal clinics in Quebec, Canada, from April 2018 to March 2020; the other (n = 1258) was recruited online during the pandemic from 2 April to 13 April 2020. Prenatal distress and psychiatric symptomatology were measured with the Kessler Distress Scale (K10), Post‐traumatic Checklist for DSM‐5 (PCL‐5), Dissociative Experiences Scale (DES‐II), and Positive and Negative Affect Schedule (PANAS). Results The 1754 pregnant women (Mage = 29.27, SD = 4.23) were between 4 and 41 gestational weeks (M = 24.80, SD = 9.42), were generally educated (91.3% had post‐high‐school training), and financially well‐resourced (85.3% were above the low‐income cut‐off). A multivariate analysis of covariance controlling for age, gestational age, household income, education, and lifetime psychiatric disorders showed a large effect size (ES) in the difference between the two cohorts on psychiatric symptoms (Wilks’ λ = 0.68, F6,1400 = 108.50, P < .001, partial η2 = 0.32). According to post‐hoc analyses of covariance, the COVID‐19 women reported higher levels of depressive and anxiety symptoms (ES = 0.57), dissociative symptoms (ES = 0.22 and ES = 0.25), symptoms of post‐traumatic stress disorder (ES = 0.19), and negative affectivity (ES = 0.96), and less positive affectivity (ES = 0.95) than the pre‐COVID‐19 cohort. Women from the COVID‐19 cohort were more likely than pre‐COVID‐19 women to present clinically significant levels of depressive and anxiety symptoms (OR = 1.94, χ2[1] = 10.05, P = .002). Multiple regression analyses indicated that pregnant women in the COVID‐19 cohort having a previous psychiatric diagnosis or low income would be more prone to elevated distress and psychiatric symptoms. Conclusions Pregnant women assessed during the COVID‐19 pandemic reported more distress and psychiatric symptoms than pregnant women assessed before the pandemic, mainly in the form of depression and anxiety symptoms. Given the harmful consequences of prenatal distress on mothers and offspring, the presently observed upsurge of symptoms in pregnant women calls for special means of clinical surveillance.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,308
Écart entre enseignants0,281 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations468
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueActa Obstetricia Et Gynecologica ScandinavicaMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207