Prevalence of anxiety and depression among pregnant women during the COVID-19 pandemic: a meta-analysis
Notice bibliographique
Résumé
PURPOSE: Coronavirus disease (COVID-19) is a newly emerged respiratory illness, which has spread around the world. Pregnant women are exposed to additional pressure due to the indirect adverse effects of this pandemic on their physical and mental health. Since the psychological wellness framework is weak in developing countries, it is likely that geographical factors affect the prevalence. Therefore, the goal of this meta-analysis is to investigate the prevalence of anxiety and depression among pregnant women during the COVID-19 pandemic. METHODS: We searched databases including PubMed/MEDLINE, Web of Science, Cochrane Library for articles. The quality of studies was determined based on the STROBE checklist. I2 and Cochrane Q-test were used to determine heterogeneity. Fixed effects and/or random effects models were also employed to estimate pooled prevalence. RESULTS: ) for depression. The results of continent subgroup analysis showed that the prevalence of anxiety was higher in western country (38%) than in Asia country (7.8%). The prevalence of anxiety in Italy (38%), Canada (56%), Pakistan (14%), Greece (53%), Sri Lanka (17.5%), and China (0.3-29%) and Iran 3.8% as well as the prevalence of depression in Canada (37%), Belgium (25%), Turkey (35.4%), Sri Lanka (19.5%), and China (11-29%) has been reported. CONCLUSION: Covid-19 may impose extra pressure on the emotional wellbeing of pregnant women. Therefore, there is an urgent need for resources to help mitigate anxiety and depression in pregnant women.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».