Depressão materna, composição da família e pobreza: como estes fatores afetam a saúde da criança no primeiro ano de vida?
Notice bibliographique
Résumé
Introduction: The child’s overall health depends on several factors, including the quality of the environment in which it lives and the care it receives. Child well-being early in life has an impact on its future and future generations’ health. Objective: Analyze the association of maternal depression, family composition and socioeconomic conditions with the indicator of maternal care and physical health of children. Methods: Retrospective cohort that analyzed data from 120 children in the first year of life. A Health and Maternal Care Indicator (ISCM) was created, aggregating information on growth, breastfeeding, vaccination, prophylaxis of iron deficiency anemia, illnesses and accidents. The socioeconomic and health conditions were obtained through a structured interview. Maternal depression was assessed by the Edinburgh Postnatal Depression Scale. The association between the ICSM and the predictors was examined by Quasipoisson Regression. The initial model was composed of variables with p<0.25 in the univariate analysis and p<0.05 in the final model. Results: The mothers were adults (83.3%), studied for an average of 10 years and 36% of them had depressive symptoms. About 37% of the families were single-parent female, 59% were from Class C1-C2 of ABEP and 12% received the “Bolsa Família” benefit. ISCM was 8% lower in children whose mothers were depressed (p = 0.04) or had no partner (p = 0.03), and was 14% higher in families receiving Bolsa Família (p = 0.02) in relation to their peers. Conclusion: Maternal depression and female single-parent family arrangements negatively impacted child health and care, while the conditional cash transfer program represented a protective factor.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».