Prenatal Maternal Depression in Canada: Are Current Protocols Adequate?
Notice bibliographique
Résumé
Throughout pregnancy, maternal and fetal health are influenced by a multitude of factors. Prenatal maternal depression is one such factor. It is well documented that prenatal maternal depression causes negative pregnancy outcomes for both the mother and baby, including irregular placental function, psychological distress, and pre-term birth, among others. In Ontario, the incidence of prenatal maternal depression is alarmingly high, at 10.3%.As such, the current tools for managing prenatal maternal depression must be effective, efficient, and comprehensive. We hypothesized that the current protocols for screening and treating prenatal maternal depression in Canada are inadequate. To investigate this, a literature review was conducted across MEDLINE and Embase databases, as well as existing grey literature. The key search terms included but were not limited to: “depression”, “pregnancy”, “prenatal”, “maternal”, “treatment”, “SSRI”, “screening”, “SES”, “Black”, “Indigenous”, and “migrant”. This resulted in a total of 56 Canadian articles. The results of this review highlight the prevalent gaps in data collection, diagnosis, and treatments for prenatal maternal depression offered within the Canadian healthcare system. Additionally, the results show that the negative effects of this disease are exacerbated in marginalized populations, specifically, Indigenous, Black, and migrant communities, who are disproportionately affected. Thus, a comprehensive approach to diagnosing, treating, and managing prenatal maternal depression is desperately needed to ensure safer pregnancies and to reduce adverse outcomes for the mother and baby.
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 | 0,105 | 0,271 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,029 | 0,048 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,009 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».