The impact of prenatal mental health on birth outcomes before and during the COVID-19 pandemic in Anhui, China
Notice bibliographique
Résumé
Adverse birth outcomes remain challenging public health problems in China. Increasing evidence indicated that prenatal depression and anxiety are associated with adverse birth outcomes, highlighting the importance and severity of prenatal depression and anxiety in China. The COVID-19 pandemic is likely to further exacerbate prenatal mental health problems and increase the risk of adverse birth outcomes. The aim of this study is to assess and compare the impacts of prenatal mental health issues on birth outcomes before and during the COVID-19 pandemic in Ma'anshan, Anhui, China. Participants in this study were women who visited local maternal and child health hospitals in Ma'anshan, Anhui, China. Two independent sets of individual maternal data (npre-pamdemic = 1148; npandemic = 2249) were collected. Prenatal depression and anxiety were measured online using the Edinburgh Postnatal Depression Scale (EPDS) and the General Anxiety Disorder-7 (GAD-7). Adverse birth outcomes were determined using hospital-recorded infant birth weight and gestational age at delivery. In this study, we found that the pandemic cohort had lower mean EPDS and GAD-7 scores than the pre-pandemic cohort. The prevalence of prenatal depression (14.5%) and anxiety (26.7%) among the pandemic cohort were lower than the pre-pandemic cohort (18.6% and 36.3%). No significant difference was found in the prevalence of adverse birth outcomes comparing the two cohorts. Prenatal depression was associated with small gestational age only in the pandemic cohort (OR = 1.09, 95% CI 1.00-1.19, p = 0.042). Overall, this study highlighted an association between prenatal depression and small for gestational age in Anhui, China. Addressing prenatal depression may thus be key in improving birth outcomes. Future studies could focus on potential causal relationships.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».