Stress maternel prénatal en contexte de pandémie de la COVID‑19 : vécu des femmes enceintes au Québec
Bibliographic record
Abstract
Introduction : Les changements dans l’accompagnement des femmes enceintes et les conditions d’accouchement en raison de la pandémie de la COVID-19 peuvent augmenter le stress vécu pendant la grossesse. Cette étude vise à examiner le stress maternel prénatal dans le contexte de la pandémie et les variables associées à ses variations. Méthode : 180 femmes enceintes de la province de Québec ont rapporté leur stress général, l’impact de la pandémie sur leur grossesse, leur stress par rapport à la pandémie, leurs données sociodémographiques ainsi que des informations sur leur grossesse et leur exposition à la pandémie. Résultats : 16 % des femmes de l’échantillon rapportent un niveau de stress général élevé, 34 % rapportent que la pandémie a un impact important sur leur grossesse et 9 % rapportent un niveau de stress élevé par rapport à la pandémie. Le jeune âge des mères, la présence d’autres enfants dans la famille, un nombre de semaines de confinement plus élevé pendant la grossesse et le fait d’avoir subi un test de dépistage pendant la grossesse sont associés à un stress global plus élevé. Les mères rapportent un impact perçu de la pandémie sur la grossesse plus élevé lorsqu’elles n’ont pas d’autres enfants, n’ont pas vécu de malaises ou de complications pendant la grossesse, ont consommé de l’alcool en période prénatale et lorsqu’un membre de leur famille immédiate a obtenu un résultat positif à la COVID-19 pendant la grossesse. Conclusion : Les caractéristiques des futures mères, de leur grossesse et leur exposition à la COVID-19 devraient être considérées dans l’offre de services en période prénatale et dans le suivi des enfants nés dans le contexte de la pandémie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".