Clinical index to quantify the 1-year risk for common postpartum mental disorders at the time of delivery (PMH CAREPLAN): development and internal validation
Notice bibliographique
Résumé
Background Common postpartum mental health (PMH) disorders such as depression and anxiety are preventable, but determining individual-level risk is difficult. Aims To create and internally validate a clinical risk index for common PMH disorders. Method Using population-based health administrative data in Ontario, Canada, comprising sociodemographic, clinical and health service variables easily collectible from hospital birth records, we developed and internally validated a predictive model for common PMH disorders and converted the final model into a risk index. We developed the model in 75% of the cohort (n = 152 362), validating it in the remaining 25% (n = 75 772). Results The 1-year prevalence of common PMH disorders was 6.0%. Independently associated variables (forming the mnemonic PMH CAREPLAN) that made up the risk index were: (P) prenatal care provider; (M) mental health diagnosis history and medications during pregnancy; (H) psychiatric hospital admissions or emergency department visits; (C) conception type and complications; (A) apprehension of newborn by child services (newborn taken into care); (R) region of maternal origin; (E) extremes of gestational age at birth; (P) primary maternal language; (L) lactation intention; (A) maternal age; (N) number of prenatal visits. In the index (scored 0–39), 1-year common PMH disorder risk ranged from 1.5 to 40.5%. Discrimination (C-statistic) was 0.69 in development and validation samples; the 95% confidence interval of expected risk encompassed observed risk for all scores in development and validation samples, indicating adequate risk index calibration. Conclusions Individual-level risk of developing a common postpartum mental health disorder can be estimated with data feasibly collectable from birth records. Next steps are external validation and evaluation of various cut-off scores for their utility in guiding postpartum individuals to interventions that reduce their risk of illness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».