A mixed-method study exploring barriers and facilitators to midwives’ mental health in Ontario
Notice bibliographique
Résumé
BACKGROUND: There is a paucity of information regarding the mental health of midwives working in Ontario, Canada. Many studies have investigated midwives' mental health around the world, but little is known about how the model of midwifery care in Ontario contributes to or negatively impacts midwives' mental health. The aim of the study was to gain a deeper understanding of factors that contribute to and negatively impact Ontario midwives' mental health. METHODS: We employed a mixed-methods, sequential, exploratory design, which utilized focus groups and individual interviews, followed by an online survey. All midwives in Ontario who had actively practiced within the previous 15 months were eligible to participate. FINDINGS: We conducted 6 focus groups and 3 individual interviews, with 24 midwives, and 275 midwives subsequently completed the online survey. We identified four broad factors that impacted midwives' mental health: (1) the nature of midwifery work, (2) the remuneration model, (3) the culture of the profession, and (4) external factors. DISCUSSION: Based on our findings and the existing literature, we have five broad recommendations for improving Ontario midwives' mental health: (1) provide a variety of work options for midwives; (2) address the impacts of trauma on midwives; (3) make mental health services tailored for midwives accessible; (4) support healthy midwife-to-midwife relationships; and (5) support improved respect and understanding of midwifery. CONCLUSION: As one of the first comprehensive investigations into midwives' mental health in Ontario, this study highlights factors that contribute negatively to midwives' mental health and offers recommendations for how midwives' mental health can be improved systemically.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».