Preventing mental health problems in mothers with a history of childhood abuse through reducing their risk of intimate partner violence: A causal mediation analysis in an Australian pregnancy cohort
Notice bibliographique
Résumé
BACKGROUND: Women with a history of child maltreatment are more likely to experience intimate partner violence (IPV). Both are associated with poor mental health. Using causal mediation analysis, we aimed to estimate the potential reduction in mental health risk if mothers who experienced childhood abuse were not at increased risk of IPV. METHODS: Data was from a pregnancy cohort (n = 1507) followed up at 1, 4, 10 years postpartum. Child physical/sexual abuse were retrospectively reported, IPV was measured at each follow-up, and mental health symptoms (any depressive, anxiety or post-traumatic stress symptoms) at 10 years. We used a simulation-based g-computation to estimate change in mental health symptoms (outcome) if the prevalence of IPV in 1st and/or 4th year postpartum (mediator) for women with a history of childhood abuse (exposure) was reduced to the level of women not reporting abuse, with adjustment for baseline and intermediate confounders. FINDINGS: Childhood abuse led to increased IPV risk in 1st and/or 4th year postpartum (estimated risk ratio (RR):1.85; 95 %CI:1.59,2.12) and mental health problems at 10 years (RR:1.81; 95 %CI:1.49,2.13). For every 1000 mothers reporting childhood abuse, there were 140 extra cases (95 %CI:80,201) of mental health problems. Reducing their risk of IPV to that of women without an abuse history could prevent 31 (95 %CI:11,51) per 1000 of these cases (≈22 %). INTERPRETATION: Reducing IPV risk in early motherhood for mothers with a history of childhood abuse could substantially reduce mental health burden, with early childhood intervention likely to amplify benefits. Multilevel, systemic efforts are needed to interrupt cycles of family violence.
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 | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».