Canada's pregnancy-related mortality rates: doing well but room for improvement
Notice bibliographique
Résumé
PURPOSE: Canada's perinatal, infant and maternal mortality rates were examined and compared with other Organization for Economic Cooperation and Development (OECD) countries. The type and the quality of the available data and best practices in several OECD countries were evaluated. SOURCE: A literature search was performed in PubMed and the Cochrane Library. Vital statistics data were obtained from the OECD Health Database and Statistics Canada and subjected to secondary analysis. PRINCIPAL FINDINGS: Overall, Canadian pregnancy mortality rates have fallen dramatically since the early 1960's. Perinatal and infant mortality rates remain low and stable, but the maternal mortality rate has increased slightly and both mortality rates have declined in their relative OECD rankings over the last 20 years. Data quality and coverage across Canada and internationally, especially for Indigenous peoples, is inconsistent and registration practices differ greatly, making comparisons difficult. Available data do show that Indigenous people's perinatal and infant mortality rates are nearly twice those of the general population. Best practices in other OECD countries include Australia's National Maternity Services plan to improve Aboriginal perinatal health, the Netherlands' midwifery services and National Perinatal Registry and Japan's national pregnancy registration and Maternal Handbook. CONCLUSION: To diminish Canadian disparities in perinatal health rates and improve health outcomes we recommend a) uniform registration practices across Canada, b) better data quality and coverage especially among Indigenous communities, c) adoption of a national pregnancy registration and a maternal handbook along with d) improved midwifery and primary practice services to rural and remote communities. At a time when Canada is focusing upon improving pregnancy health in developing nations, it also needs to address its own challenges in improving pregnancy outcomes.
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 | 0,031 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,028 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».