Scoring System Model for Early Detection of Maternity Blues in Bukittinggi, West Sumatera, Indonesia
Notice bibliographique
Résumé
Background: Maternity blues creates emotional instability in moms, causing them to become irritated, overly nervous, and feel incapable of being a good mother. Maternity blues may interfere with infant care and raise the risk of postpartum depression symptoms, disrupting mother and baby interactions. Maternity blues is often ignored so it is not diagnosed and if not treated properly it can become a problem and develop into postpartum depression or postpartum psychosis. Maternity blues is a serious condition that poses risks to both mothers and infants. If left untreated, Maternity blues can progress into postpartum depression, which has significant physical and psychological consequences. Early detection of Maternity blues is crucial for timely intervention and prevention. Objectives: This study aims to develop a Scoring System Model for the early detection of maternity blues , allowing for effective screening and timely management. Methods: A cross-sectional study was conducted in Bukittinggi City, West Sumatra, Indonesia, involving 126 postpartum mothers recruited consecutively. Data analysis included the calculation of odds ratios, logistic regression, and ROC curve analysis to determine the sensitivity and specificity of the prediction model. The scoring system's performance was assessed using calibration and discrimination values. Results: The developed scoring system demonstrated good calibration and discrimination, with an Area Under the Curve (AUC) value of 0.806 (95% CI: 0.732–0.881). The Hosmer & Leme show test showed a p-value of 0.724, indicating a good fit for the model. Conclusion: The proposed scoring system is a reliable tool for the early detection of maternity blues . By identifying at-risk mothers through prediction scores, appropriate interventions can be implemented to prevent the progression of maternity blues into more severe postpartum mental health disorders.
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 | 0,010 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».