Assessment of Canadian perinatal mental health services from the provider perspective: Where can we improve?
Notice bibliographique
Résumé
Purpose: Perinatal mental health disorders are common, and rates have increased during the COVID-19 pandemic. It is unclear where providers may improve perinatal mental health care, particularly in countries lacking national guidelines, such as Canada. Methods: A cross-sectional survey of perinatal health providers was conducted to describe the landscape of perinatal mental health knowledge, screening, and treatment practices across Canada. Providers were recruited through listservs, social media, and snowball sampling. Participants completed an online survey that assessed their perinatal mental health training, service provision types, their patient wait times, and treatment barriers, and COVID-19 pandemic-related impacts. Results: A total of 435 providers completed the survey, including physicians, midwives, psychologists, social workers, nurses, and allied non-mental health professionals. Most (87.0%) did not have workplace mandated screening for perinatal mental illness but a third (66%) use a validated screening tool. Many (42%) providers stated their patients needed to wait more than 2 months for services. More than half (57.3%) reported they did not receive or were unsure if they received specialized training in perinatal mental health. Most (87.0%) indicated there were cultural, linguistic, and financial barriers to accessing services. Over two-thirds (69.0%) reported the COVID-19 pandemic reduced access to services. Conclusion: Survey findings reveal significant gaps in training, screening tool use, and timely and culturally safe treatment of perinatal mental health concerns. There is critical need for coordinated and nationally mandated perinatal mental health services in Canada to improve care for pregnant and postpartum people.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».