MétaCan
Menu
Retour à la cohorte
Enregistrement W3048317652 · doi:10.3389/fpsyt.2020.00785

Network Analyses of Maternal Pre- and Post-Partum Symptoms of Depression and Anxiety

2020· article· en· W3048317652 sur OpenAlexaff
Desiree Y. Phua, Helen Chen, Yap Seng Chong, Peter D. Gluckman, Birit F. P. Broekman, Michael J. Meaney

Notice bibliographique

RevueFrontiers in Psychiatry · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesMedical Research CouncilJacobs FoundationNational University Health SystemSingapore Institute for Clinical SciencesNational Medical Research CouncilHope for Depression Research Foundation
Mots-clésAnxietyPregnancyFeelingPost partumMental healthPsychologyPsychiatryDepression (economics)OffspringDepressive symptomsClinical psychologyChildbirthMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Maternal mental health problems often develop prenatally and predict post-partum mental health. However, the circumstances before and following childbirth differ considerably. We currently lack an understanding of dynamic variation in the profiles of depressive and anxiety symptoms over the perinatal period. METHODS: Depressive and anxiety symptoms were self-reported by 980 women at 26-week pregnancy and 3 months post-partum. We used network analysis of depressive and anxiety symptoms to investigate if the symptoms network changed during and after pregnancy. The pre- and post-partum depressive-anxiety symptom networks were assessed for changes in structure, unique symptom-symptom interactions, central and bridging symptoms. We also assessed if central symptoms had stronger predictive effect on offspring's developmental outcomes outcomes at birth and 24, 54, and 72 months old than non-central symptoms. Bridging symptoms between negative and positive mental health were also assessed. RESULTS: Though the depressive-anxiety network structures were stable during and after pregnancy, the post-partum network was more strongly connected. The central depressive-anxiety symptoms were also different between prenatal and post-partum networks. During pregnancy, central symptoms were mostly related to feeling worthless or useless; after pregnancy, central symptoms were mostly related to feeling overwhelmed or being punished. Central symptoms during pregnancy were associated with poorer developmental outcomes for the child. Anxiety symptoms were strongest bridging symptoms during and after pregnancy. The interactions between negative and positive mental health symptoms were also different during and after pregnancy. CONCLUSIONS: The differences between pre- and post-partum networks suggest that the presentation of maternal mental health problems varies over the peripartum period. This variation is not captured by traditional symptom scale scores. The bridging symptoms also suggest that anxiety symptoms may precede the development of maternal depression. Interventions and public health policies should thus be tailored to specific pre- and post-partum symptom profiles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,037
Score d'incertitude au seuil0,399

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,365
Écart entre enseignants0,340 · 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 tête enseignante, 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

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychiatryMême sujetMental Health Research TopicsTravaux en français237 207