How do perceptions of Covid-19 risk impact pregnancy-related health decisions? A convergent parallel mixed-methods study protocol
Notice bibliographique
Résumé
Abstract Introduction Pregnant people have a higher risk of severe COVID-19 disease. They have been disproportionately impacted by COVID-19 infection control policies, which exacerbated conditions resulting in intimate partner violence, healthcare access, and mental health distress. This project examines the impact of accumulated individual health decisions and describes how perinatal care and health outcomes changed during the COVID-19 pandemic. Objectives Quantitative strand: Describe differences between 2019, 2021, and 2022 birth groups related to maternal vaccination, perinatal care, and mental health care. Examine the differential impacts on racialized and low-income pregnant people. Qualitative strand: Understand how pregnant people’s perceptions of COVID-19 risk influenced their decision-making about vaccination, perinatal care, social support, and mental health. Methods and analysis This is a Canadian convergent parallel mixed-methods study. The quantitative strand uses a retrospective cohort design to assess birth group differences in rates of Tdap and COVID-19 vaccination, gestational diabetes screening, length of post-partum hospital stay, and onset of depression, anxiety, and adjustment disorder, using administrative data from ICES, formerly the Institute for Clinical Evaluative Sciences (Ontario) and PopulationData BC (PopData) (British Columbia). Differences by socioeconomic and ethnocultural status will also be examined. The qualitative strand employs qualitative description to interview people who gave birth between May 2020-December 2021 about their COVID-19 risk perception and health decision-making process. Data integration will occur during design and interpretation. Ethics and dissemination This study received ethical approval from McMaster University and the University of British Columbia. Findings will be disseminated via manuscripts, presentations, and patient-facing infographics. Strengths and limitations of this study Population-based administrative data cohorts are very large, ensuring that analyses are high-powered. Mixed-methods design will allow us to offer explanation for changes in healthcare use observed through administrative data. Cross-provincial design permits examination of the potential impacts of COVID-19 infection prevention and control policies on pregnant people’s health. Use of Canadian Index of Multiple Deprivation will allow us to examine differences in healthcare use according to economic, racial, and immigration factors. Team includes 5 co-investigators with lived experience of pandemic pregnancies.
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 | 0,078 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,007 |
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 ».