Longitudinal risk of maternal hospitalization for mental illness following preterm birth
Notice bibliographique
Résumé
BACKGROUND: Preterm birth may affect maternal mental health, yet most studies focus on postpartum mental disorders only. We explored the relationship between preterm delivery and the long-term risk of maternal hospitalization for mental illness after pregnancy. METHODS: We performed a longitudinal cohort study of 1,381,300 women who delivered between 1989 and 2021 in Quebec, Canada, and had no prior history of mental illness. The exposure was preterm birth, including extreme (<28 weeks), very (28-31 weeks), and moderate to late (32-36 weeks). The outcome was subsequent maternal hospitalization for depression, bipolar, psychotic, stress and anxiety, personality disorders, and self-harm up to 32 years later. We used adjusted Cox proportional hazards models to estimate hazard ratios (HR) and 95% confidence intervals (CI) for the association between preterm birth and mental illness hospitalization. RESULTS: Compared with term, women who delivered preterm had a higher rate of mental illness hospitalization (3.81 vs. 3.01 per 1000 person-years). Preterm birth was associated with any mental illness (HR 1.38, 95% CI 1.35-1.41), including depression (HR 1.37, 95% CI 1.32-1.41), psychotic disorders (HR 1.35, 95% CI 1.25-1.44), and stress and anxiety disorders (HR 1.42, 95% CI 1.38-1.46). Delivery at any preterm gestational age was associated with the risk of mental hospitalization, but risks were greatest around 34 weeks of gestation. Preterm birth was strongly associated with mental illness hospitalization within 2 years of pregnancy, although associations persisted throughout follow-up. CONCLUSIONS: Women who deliver preterm may be at risk of mental disorders in the short and long term.
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 | 0,001 | 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) | 0,001 | 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 ».