Preconception risk factors and health care needs of pregnancy-planning women and men with a lifetime history or current mental illness: A nationwide survey
Notice bibliographique
Résumé
OBJECTIVES: While depression and anxiety are common in women and men of reproductive age, preconception interventions to optimize the health of individuals with mental illness before pregnancy is limited and focuses primarily on psychotropic medication management. Comparing individuals with depression, anxiety, and comorbidity to those with neither condition, we identified areas of preconception care optimization related to psychosocial risk factors, general physical health, medication use, and uptake of high-risk health behaviours. We also investigated differences in preconception health care use, attitudes, and knowledge. METHOD: We conducted a nationwide survey of 621 women (n = 529) and men (n = 92) across Canada who were planning a pregnancy within five years, including those with lifetime or current depression (n = 38), anxiety (n = 55), and comorbidity (n = 104) and those without mental illness (n = 413). Individuals with depression, anxiety, and comorbidity were compared to individuals without mental illness using logistic regression, adjusted for age, sex, and education level. RESULTS: Individuals with a lifetime or current mental illness were significantly more likely to have several risk factors for suboptimal reproductive and perinatal outcomes, including increased rates of obesity, stress, fatigue, loneliness, number of chronic health conditions, and medication use. Further, they were more likely to have high-risk health behaviours including increased substance use, internet addiction, poorer eating habits, and decreased physical activity. By assessing depression, anxiety, or both separately, we also determined there was variation in risk factors by mental illness type. CONCLUSION: Our nationwide study is one of the first and largest to examine the preconception care needs of women and men with a lifetime or current mental illness who are pregnancy-planning. We found this population has many important reproductive and perinatal risk factors that are modifiable via preconception interventions which could have a significant positive impact on their health trajectories and those of their future children.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».