Disclosure of sensitive material at routine antenatal psychosocial assessment: The role of psychosocial risk and mode of assessment
Notice bibliographique
Résumé
PROBLEM: While routine psychosocial assessment is acceptable to most pregnant women, some women will not fully disclose psychosocial concerns to their clinician. AIMS: To assess the impact of psychosocial risk, current symptoms and mode of assessment on women's honesty of disclosure at psychosocial assessment. METHODS: Logistic regression was used to examine associations between disclosure and a range of psychosocial characteristics in women who were 'always honest' and 'not always honest'. Mixed ANOVAs were used to test the influence of mode of assessment and honesty on scores on a repeated measure of psychosocial risk. FINDINGS: 10.8% (N=193 of 1788) of women did not fully disclose at psychosocial assessment. Non-disclosure was associated with a mental health history (aOR=1.78, 95%CI: 1.18-2.67, p<0.01) and lack of social and partner support (aOR=1.74, 95%CI: 1.16-2.62, p<0.05; aOR=2.08, 95%CI: 1.11-3.90, p<0.05, respectively). Those reporting not always being honest at face to face assessment showed a greater increase in psychosocial risk score when the assessment was repeated online via self-report, compared to women who were always honest. DISCUSSION: A history of mental health issues and lack of social and partner support are associated with reduced disclosure at face to face assessment. Online self-report assessment may promote greater disclosure, however this should always be conducted in the context of clinician feedback. CONCLUSION: Greater psychosocial vulnerability is associated with a lower likelihood of full disclosure. Preliminary findings relating to mode of assessment warrant further exploration within a clinical context.
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) | 0,000 | 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 ».