Mental Illness in the 2 Years Prior to Pregnancy in a Population With Traumatic Brain Injury: A Cross-Sectional Study: La maladie mentale dans les deux ans précédant une grossesse dans une population souffrant de lésion cérébrale traumatique : une étude transversale
Notice bibliographique
Résumé
OBJECTIVE: Existing studies, in mostly male samples such as veterans and athletes, show a strong association between traumatic brain injury (TBI) and mental illness. Yet, while an understanding of mental health before pregnancy is critical for informing preconception and perinatal supports, there are no data on the prevalence of active mental illness before pregnancy in females with TBI. We examined the prevalence of active mental illness ≤2 years before pregnancy (1) in a population with TBI, and (2) in subgroups defined by sociodemographic, health, and injury-related characteristics, all compared to those without TBI. METHOD: This population-based cross-sectional study was completed in Ontario, Canada, from 2012 to 2020. Modified Poisson regression generated adjusted prevalence ratios (aPRs) of active mental illness ≤2 years before pregnancy in 15,585 females with TBI versus 846,686 without TBI. We then used latent class analysis to identify subgroups with TBI according to sociodemographic, health, and injury-related characteristics and subsequently compared them to females without TBI on their outcome prevalence. RESULTS: Females with TBI had a higher prevalence of active mental illness ≤2 years before pregnancy than those without TBI (44.1% vs. 25.9%; aPR 1.46, 95% confidence interval, 1.43 to 1.49). There were 3 TBI subgroups, with Class 1 (low-income, past assault, recent TBI described as intentional and due to being struck by/against) having the highest outcome prevalence. CONCLUSIONS: Females with TBI, and especially those with a recent intentional TBI, have a high prevalence of mental illness before pregnancy. They may benefit from mental health screening and support in the post-injury, preconception, and perinatal periods. PLAIN LANGUAGE TITLE: Mental illness in the 2 years before pregnancy in a population with traumatic brain injury.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».