MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220887050 · doi:10.3390/ijerph19052926

The COVID-19 Pandemic Impacted Maternal Mental Health Differently Depending on Pregnancy Status and Trimester of Gestation

2022· article· en· W4220887050 sur OpenAlexafffundabout
Anick Bérard, Jessica Gorgui, Vanina Tchuente, Anaïs Lacasse, Yessica-Haydee Gomez, Sylvana M. Côté, Suzanne King, Flory T. Muanda, Yves Mufike, Isabelle Boucoiran, Anne Monique Nuyt, Caroline Quach, Ema Ferreira, Padma Kaul, Brandace Winquist, Kieran J. O’Donnell, Sherif Eltonsy, Dan Château, Jin‐Ping Zhao, Gillian E. Hanley, Tim F. Oberlander, Behrouz Kassaï, Sabine Mainbourg, Sasha Bernatsky, Évelyne Vinet, Annie Brodeur-Doucet, Jackie Demers, Philippe Richebé, Valérie Zaphiratos

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensHôpital Maisonneuve-RosemontUniversity of British ColumbiaManitoba HealthCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversity of ManitobaMcGill University Health CentreMcGill UniversityUniversité de MontréalUniversity of SaskatchewanUniversity of AlbertaWestern UniversityUniversité du Québec en Abitibi-TémiscamingueCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesNational Center for Advancing Translational SciencesFonds de Recherche du Québec - SantéMitacsCanadian Institutes of Health ResearchUniversité de MontréalMcGill UniversityCanadian Institute for Advanced Research
Mots-clésPregnancyMedicineAnxietyMental healthDepression (economics)PandemicGestationLogistic regressionObstetricsGestational agePsychiatryCoronavirus disease 2019 (COVID-19)DiseaseInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: We aimed to measure the impact of the COVID-19 pandemic on maternal mental health, stratifying on pregnancy status, trimester of gestation, and pandemic period/wave. Methods: Pregnant persons and persons who delivered in Canada during the pandemic, >18 years, were recruited, and data were collected using a web-based strategy. The current analysis includes data on persons enrolled between 06/2020−08/2021. Maternal sociodemographic indicators, mental health measures (Edinburgh Perinatal Depression Scale (EPDS), Generalized Anxiety Disorders (GAD-7), stress) were self-reported. Maternal mental health in pregnant women (stratified by trimester, and pandemic period/wave at recruitment) was compared with the mental health of women who had delivered; determinants of severe depression were identified with multivariate logistic regression models. Results: 2574 persons were pregnant and 626 had already delivered at recruitment. Participants who had delivered had significantly higher mean depressive symptom scores compared to those pregnant at recruitment (9.1 (SD, 5.7) vs. 8.4 (SD, 5.3), p = 0.009). Maternal anxiety (aOR 1.51; 95%CI 1.44−1.59) and stress (aOR 1.35; 95%CI 1.24−1.48) were the most significant predictors of severe maternal depression (EDPS ˃ 13) in pregnancy. Conclusion: The COVID-19 pandemic had a significant impact on maternal depression during pregnancy and in the post-partum period. Given that gestational depression/anxiety/stress has been associated with preterm birth and childhood cognitive problems, it is essential to continue following women/children, and develop strategies to reduce COVID-19′s longer-term impact.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,110
Tête enseignante GPT0,427
Écart entre enseignants0,317 · 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'étudeObservationnel
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

Citations23
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public Health→Même sujetMaternal Mental Health During Pregnancy and Postpartum→Travaux en français237 207→