MétaCan
Menu
Retour à la cohorte
Enregistrement W4324378449 · doi:10.3389/fgwh.2023.1027409

Examining the gaps in perinatal mental health care: A qualitative study of the perceptions of perinatal service providers in Canada

2023· article· en· W4324378449 sur OpenAlexaffabout
Christina DeRoche, Amanda Hooykaas, Christine Ou, Jaime Charlebois, Krista King

Notice bibliographique

RevueFrontiers in Global Women s Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensMemorial University of NewfoundlandInstitute of AgingUniversity of VictoriaUniversity of GuelphCanadore College
Organismes subventionnairesnon disponible
Mots-clésMental healthService providerPerceptionNursingQualitative researchMental health careHealth careMedicineService (business)PsychologyPsychiatryBusinessPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

In Canada, access to perinatal mental health services is disparate across districts, regions, provinces, and territories. Questions remain as to how gaps in service are being experienced by Canadian service providers and clinicians. This paper examines three key questions: 1) What are the experiences of care providers with respect to the screening, identifying, and managing perinatal mental health disorders? 2) What gaps in perinatal mental health care have been identified? and 3) What approaches have been taken by providers, communities, and regions in addressing the needs of their populations? To address these questions, 435 participants from across Canada were surveyed using an online survey constructed by the research members of the CPMHC. A qualitative analysis of the data revealed three key themes: groups marginalized by the current perinatal mental health system, gaps and supports identified by communities; and systemic and policy issues. From these three themes we have identified the key components of changes required in the national approach to perinatal mental health disorders. We identify key resources that could be utilized to create policy change and provide recommendations for change.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,407

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0190,009
Communication savante0,0050,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,003
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 Opus0,017
Tête enseignante GPT0,330
Écart entre enseignants0,313 · 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'étudeQualitatif
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

Citations28
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Global Women s HealthMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207