MétaCan
Menu
Retour à la cohorte
Enregistrement W4415382547 · doi:10.56367/oag-048-11064

Paternal perinatal mental health: Barriers to help-seeking

2025· article· en· W4415382547 sur OpenAlexaffabout
Deborah Da Costa

Notice bibliographique

RevueOpen Access Government · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMental healthPerinatal periodDepression (economics)Affect (linguistics)Intervention (counseling)

Résumé

récupéré en direct d'OpenAlex

Paternal perinatal mental health: Barriers to help-seeking Deborah Da Costa, PhD, Associate Professor at the Department of Medicine, McGill University, Scientist at McGill University Health Centre, details the benefits and barriers to paternity leave uptake by fathers following the birth of a child. The transition to parenthood can be a vulnerable time for men’s mental health. Yet there remains a lack of awareness regarding paternal perinatal mental health issues during this life stage. Mounting evidence indicates that a significant number of expectant and new fathers experience psychological distress, including depression and/or anxiety, during the perinatal period. (1,2) The prevalence of depression among fathers during the perinatal period is approximately 8% (1) and 10% for anxiety. (2) Untreated mental health conditions in fathers during the perinatal period can worsen paternal mental health status. (3) In addition, paternal perinatal depression can negatively impact maternal mental health (4) and adversely affect the child’s behavioural, emotional, cognitive, and physical development. (5) This underscores the importance of prevention and early intervention to promote the mental health of men during the transition to parenthood. The usefulness of such efforts, however, is contingent upon men’s willingness to access services to address their mental health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,033
Tête enseignante GPT0,400
Écart entre enseignants0,367 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen Access GovernmentMême sujetMaternal Mental Health During Pregnancy and PostpartumTravaux en français237 207