MétaCan
Menu
Retour à la cohorte
Enregistrement W4411493212 · doi:10.1192/bjo.2025.10091

Climate Change and Climate Change Related Natural Disasters, and Maternal Mental Health: A Scoping Review of Socioeconomic Vulnerabilities

2025· review· en· W4411493212 sur OpenAlexaboutno aff
Jennifer L. Barkin, Sanne van Rhijn

Notice bibliographique

RevueBJPsych Open · 2025
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthSocioeconomic statusPsychological interventionVulnerability (computing)Extreme weatherMedicineEnvironmental healthClimate changeStressorPopulationGeographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Aims: As the climate crisis escalates, pregnant women are increasingly exposed to extreme weather events, such as heatwaves and floods, which may lead to psychological distress and adverse mental health outcomes for both mothers and infants. This scoping review synthesizes research on the direct and indirect effects of climate change-related stressors on maternal mental health, identifying key trends, interventions, and mitigative strategies. Emphasis is placed on socioeconomic disparities in both high- and low-income countries, as these groups are disproportionately affected. Methods: A systematic search was conducted to identify studies focusing on mental health, pregnancy (pre-, during, post-), and climate change, as defined in the AR6 Climate Change 2023 Synthesis Report, published up to October 2024. Data extraction included study design, population, interventions/exposures, outcomes, and socioeconomic implications. Only original articles and preprints in languages translatable to English were considered. Results: The initial search retrieved 675 articles, of which 14 met the inclusion criteria. Two studies were from middle-income countries (Egypt and Turkey), while the remainder came from high-income countries (Australia, Canada, and the USA). The studies examined climate-related exposures, such as hurricanes, flooding, and extreme heat. Key findings indicate that acute exposure to high temperatures was associated with an increase in psychiatric emergency visits among pregnant women. Similarly, prenatal stress from natural disasters (e.g., hurricanes) was linked to higher levels of maternal mental health symptoms (e.g., depression, PTSD) and changes in infant temperament. Socioeconomic vulnerability played a critical role, with middle-income regions facing greater healthcare barriers, fewer mental health resources, and economic instability. Even in high-income regions, marginalized populations (e.g., Puerto Rico and the US Virgin Islands) experienced healthcare disruptions and prolonged recovery following climate disasters. Conclusion: While the findings highlight the intersection of climate change and maternal mental health, several studies were limited by small sample sizes and reliance on self-reported data. A significant gap exists, as no studies specifically focused on maternal mental health in low-income countries affected by climate change were found during the literature search. Socioeconomic disparities strongly influenced mental health outcomes, underscoring the urgent need for equitable healthcare policies, financial support systems, and culturally adapted interventions. The review calls for the integration of climate resilience strategies into maternal healthcare and the strengthening of mental health infrastructure in low- and middle-income settings. Future research must prioritize longitudinal studies, policy-driven interventions, and targeted support for vulnerable populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,435
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBJPsych OpenMême sujetClimate Change and Health ImpactsTravaux en français237 207