MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294242987 · doi:10.23889/ijpds.v7i3.1917

Maternal Mental Health, Child Distress and Family Strain During the COVID-19 Pandemic: Linking the Provincial Longitudinal Cohort with the COVID-19 Impact Survey Data in Canada.

2022· article· en· W4294242987 sur OpenAlexaffabout
Janelle Boram Lee, Henry Ntanda, Kharah M. Ross, Nicole Létourneau

Notice bibliographique

RevueInternational Journal for Population Data Science · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensAthabasca UniversityUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésLatent class modelMental healthCohortDemographyOddsAnxietyLongitudinal studyMedicineLogistic regressionDepression (economics)Cohort studySocioeconomic statusOdds ratioPandemicDistressPsychologyCoronavirus disease 2019 (COVID-19)Clinical psychologyPsychiatryEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

ObjectiveTo understand the impact of the COVID-19 pandemic on families in Canada by specifically examining the relationship between maternal mental distress (MD), child distress (CD) and family strain (FS) trends over time. We linked the Alberta Pregnancy Outcomes and Nutrition (APrON) longitudinal cohort data and COVID-19 Impact Survey (CIS). ApproachThree waves of CIS (March 2020 to July 2021), collected from APrON longitudinal cohort, were used. Demographic variables from APrON were linked with CIS. Mothers’ depression, anxiety, and/or stress scores were standardized separately for different symptoms, averaged at each wave, and combined as one maternal MD variable (low/medium/high). CD was measured across emotional, conduct, hyperactivity, and peer problem scales (low/high). FS was defined as COVID-19 straining family relationships, including partners, parent-child, and siblings (yes/no). Latent class analyses were performed to identify and categorize membership across the variables. To address the objective, multiple logistic regression models were conducted. ResultsThe sample consisted of 157 participants were included in the study; 19.1% reported FS during COVID-19. Three latent classes were formed for maternal MD: consistently low (36.9%), medium (44.0%), and high (19.1%) across the follow-up period. Two latent classes were formed for CD: consistently low (79.6%) and high (20.4%). When adjusted for COVID-19 related covariates (e.g., maternal worries about child’s well-being/education, family difficulty with childcare/schoolwork) and socioeconomic status, mothers with medium and high levels of maternal MD were at increased odds of experiencing FS during the COVID-19 pandemic compared to those with a low level of distress (medium aOR = 3.90[1.08, 14.03]; high aOR = 4.57[1.03, 20.25]). The adjusted association between child distress and FS was not statistically significant (aOR = 1.75[0.59, 5.20]). ConclusionUnderstanding how MD could affect family strain is important as many families recover from the pandemic. More distressed individuals experience greater FS over time, suggesting this association as a chronic problem. Stakeholders should tailor support systems to longer-term, family-level interventions improving family relationships and maternal-child MHD impacted by COVID-19.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,023
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,105
Tête enseignante GPT0,414
Écart entre enseignants0,309 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data Science→Même sujetMaternal Mental Health During Pregnancy and Postpartum→Travaux en français237 207→