Social support and prenatal mental health problems: a systematic review and meta-analysis
Notice bibliographique
Résumé
Introduction Pregnancy is a time of profound physical and emotional change as well as an increased risk of mental health problems. Providing social support is vital to reduce such risk. Objectives This systematic review and meta-analysis aimed at examining the relationship between social support and depression, anxiety and self-harm during pregnancy. Methods We searched observational studies from PubMed, Psych Info, MIDIRS, SCOPUS, and CINAHL databases. The Newcastle-Ottawa Scale tool was used for quality appraisal. The Q and the I² statistics were used to evaluate heterogeneity. A random-effects model was used to pool estimates. Publication bias was assessed using a funnel plot and Egger’s regression test and adjusted using trim and Fill analysis. All the analysis was conducted using STATA. Results Sixty-seven studies with 64,449 pregnant women were part of the current review. Of the total 67 studies, 22 and 45 studies were included in the narrative analysis and meta-analysis, respectively. From the studies included in the narrative analysis, 20(91%) of them reported a significant association between social support and the risk of mental health problems (i.e. depression, anxiety, and self-harm). After adjusting for publication bias, the results of the random-effect model revealed low social support was significantly associated with antenatal depression (AOR: 1.18, 95% CI: 1.01, 1.41) and antenatal anxiety (AOR: 1.97, 95% CI: 1.34, 2.92). Conclusions Low social support was significantly associated with depression, anxiety, and self-harm during pregnancy. Policy-makers and those working on maternity care should consider the development of targeted social support programs to help reduce mental health problems amongst pregnant women. Disclosure No significant relationships.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| 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 | 0,001 |
| 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 ».