Screening for Perinatal Anxiety Using the Childbirth Fear Questionnaire: A New Measure of Fear of Childbirth
Notice bibliographique
Résumé
Fear of childbirth affects as many as 20% of pregnant people, and has been associated with pregnancy termination, prolonged labour, increased risk of emergency and elective caesarean delivery, poor maternal mental health, and poor maternal-infant bonding. Currently available measures of fear of childbirth fail to fully capture pregnant people's childbirth-related fears. The purpose of this research was to develop a new measure of fear of childbirth (the Childbirth Fear Questionnaire; CFQ) that would address the limitations of existing measures. The CFQ's psychometric properties were evaluated through two studies. Participants for Study 1 were 643 pregnant people residing in Canada, the United States, and the United Kingdom, with a mean age of 29.0 (SD = 5.1) years, and 881 pregnant people residing in Canada, with a mean age of 32.9 (SD = 4.3) years for Study 2. In both studies, participants completed a set of questionnaires, including the CFQ, via an online survey. Exploratory factor analysis in Study 1 resulted in a 40-item, 9-factor scale, which was well supported in Study 2. Both studies provided evidence of high internal consistency and convergent and discriminant validity. Study 1 also provided evidence that the CFQ detects group differences between pregnant people across mode of delivery preference and parity. Study 2 added to findings from Study 1 by providing evidence for the dimensional structure of the construct of fear of childbirth, and measurement invariance across parity groups (i.e., the measurement model of the CFQ was generalizable across parity groups). Estimates of the psychometric properties of the CFQ across the two studies provided evidence that the CFQ is psychometrically sound, and currently the most comprehensive measure of fear of childbirth available. The CFQ covers a broad range of domains of fear of childbirth and can serve to identify specific fear domains to be targeted in treatment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».