Experiences and long-term repercussions of perinatal grief in women after perinatal bereavement: a meta-ethnography
Notice bibliographique
Résumé
Introduction Perinatal bereavement can profoundly disrupt maternal identity and is often accompanied by longer-term emotional suffering. Whilst immediate grief responses have been studied, less is known about how this experience evolves over time. This meta-ethnography aimed to synthesize qualitative evidence on the long-term experiences and repercussions of perinatal grief in women after a pregnancy loss. Methods A systematic review of six databases was conducted. Primary qualitative studies were included if they addressed experiences occurring at least one year after a perinatal bereavement. A total of 2,253 records were screened, and 18 studies met the inclusion criteria. Data quality was assessed, and the data were subjected to an analytic synthesis using meta-ethnography. Results Three themes and six sub-themes were identified, revealing perinatal grief as a prolonged and transformative experience. Women reported emotional pain, identity disruption, and social silencing. In contrast, empathic care, sustained support, and social validation helped them reconstruct their identities. In line with meta-ethnographic approaches, a theory was developed: “The quietest of births cause the loudest anguish: Whilst some bereaved mothers walk a solitary path, those with broader support networks are more empowered, but both experience an intense change to The Self.” . Discussion These findings show grief is shaped not only by the loss itself but also by how it is acknowledged or silenced by healthcare systems and society. Gaps were identified regarding long-term grief during times of health system uncertainty and in cases of fetal malformation, revealing the need for further research and policy development. Conclusion Supportive and continuous care between lost and future pregnancies is essential to alleviate suffering and promote identity reconstruction among bereaved mothers facing long-term perinatal grief.
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 | 0,023 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».