MétaCan
Menu
Retour à la cohorte
Enregistrement W3119999302 · doi:10.1186/s12884-020-03473-y

What stakeholders think: perceptions of perinatal depression and screening in China’s primary care system

2021· article· en· W3119999302 sur OpenAlexafffund
Shahirose Premji, Keith S. Dobson, Anupa Prashad, Shelby Yamamoto, Fangbiao Tao, Beibei Zhu, Xiaoyan Wu, Mengjuan Lu, Shanshan Shao

Notice bibliographique

RevueBMC Pregnancy and Childbirth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensUniversity of AlbertaUniversity of CalgaryYork University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Natural Science Foundation of China
Mots-clésImplementation researchFocus groupMedicineMental healthReproductive medicineNursingQualitative researchIntervention (counseling)Health careMedical educationFamily medicinePsychological interventionPsychiatryPregnancy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mental health in China is a significant issue, and perinatal depression has been recognized as a concern, as it may affect pregnancy outcomes. There are growing calls to address China's mental health system capacity issues, especially among vulnerable groups such as pregnant women due to gaps in healthcare services and inadequate access to resources and support. In response to these demands, a perinatal depression screening and management (PDSM) program was proposed. This exploratory case study identified strategies for successful implementation of the proposed PDSM intervention, informed by the Consolidated Framework for Implementation Research (CFIR) framework, in Ma'anshan city, Anhui province. METHODS: This qualitative study included four focus group discussions and two in-depth individual interviews with participants using a semi-structured interview guide. Topics examined included acceptance, utility, and readiness for a PDSM program. Participants included perinatal women and their families, policymakers, and healthcare providers. Interviews were transcribed verbatim, coded, and analyzed for emergent themes. RESULTS: The analysis revealed several promising factors for the implementation of the PDSM program including: utilization of an internet-based platform, generation of perceived value among health leadership and decision-makers, and the simplification of the screening and intervention components. Acceptance of the pre-implementation plan was dependent on issues such as the timing and frequency of screening, ensuring high standards of quality of care, and consideration of cultural values in the intervention design. Potential challenges included perceived barriers to the implementation plan among stakeholders, a lack of trained human health resources, and poor integration between maternal and mental health services. In addition, participants expressed concern that perinatal women might not value the PDSM program due to stigma and limited understanding of maternal mental health issues. CONCLUSION: Our analysis suggests several factors to support the successful implementation of a perinatal depression screening program, guidelines for successful uptake, and the potential use of internet-based cognitive behavioral therapy. PDSM is a complex process; however, it can be successfully navigated with evidence-informed approaches to the issues presented to ensure that the PDSM is feasible, effective, successful, and sustainable, and that it also improves maternal health and wellbeing, and that of their families.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,234

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,004
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,265
Écart entre enseignants0,242 · 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'étudeQualitatif
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

Citations25
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Pregnancy and ChildbirthMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207