A Systematic Review of the Prevalence of Mental Health Disorders in Pregnant Women during the COVID-19 Pandemic
Notice bibliographique
Résumé
Background There is not enough evidence to estimate the prevalence of depression and anxiety in pregnant women during the COVID-19 outbreak. This study aimed to investigate the prevalence of mental health disorders among pregnant women during the COVID-19 pandemic. Materials and Methods: In the present systematic review, a search process was conducted to screen the databases of ProQuest, Scopus, EMBASE, Web of Science, and MEDLINE for the relevant articles published between 2019 and 2020. The quality of the articles was assessed by the STROBE checklist. Results: From the relevant studies, 15 were selected for review. The results showed the prevalence of anxiety was between 3.8 to 17.5% in Asian countries, with the lowest in Iran (3.8%) and the highest in Sri Lanka (17.5 %). The prevalence of anxiety was from 23.9 to 72% in Western countries, with the lowest in the USA (23%) and the highest in Canada (72%). In two of the studies in China, the prevalence of anxiety was from 3.09 to 29.6% and of depression from 5.2 to 40%. The incidence rate of self-harm thoughts as a result of the epidemic was significantly high (RR=2.85, 95% CI= 1.70, 8.85, P=0.005). Conclusion The prevalence of anxiety was from 3.8 to 17.5% in Asian countries and from 23.9 to 72% in Western countries. The prevalence of depression was from 5.2 to 40%. Moderate levels of anxiety and depression were reported in Western countries compared with Asian countries. Depression and anxiety should be regularly screened in obstetrics and gynecology wards following the current epidemic to ensure optimal mental health during pregnancy and infancy.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».