Recent Trends in Clinicians Providing Care to Pregnant Women in the United States
Notice bibliographique
Résumé
INTRODUCTION: Health care needs of pregnant women are met by a variety of clinicians in a changing policy and practice environment. This study documents recent trends in types of clinicians providing care to pregnant women in the United States. METHODS: We used a repeat cross-sectional design and data from the Integrated Health Interview Series (2000-2009), a nationally representative data set, for respondents who reported being pregnant at the time of the survey (N = 3204). Using longitudinal logistic regression models, we analyzed changes over time in pregnant women's reported use of care from 1) obstetrician-gynecologists; 2) midwives, nurse practitioners (NPs), or physician assistants (PAs); or 3) both an obstetrician-gynecologist and a midwife, NP, or PA. RESULTS: The percentage of pregnant women who reported seeing an obstetrician-gynecologist (87%) remained steady from 2000 through 2009. After controlling for demographic and clinical variables, the percentage who reported receiving care from a midwife, NP, or PA increased 4% annually (yearly adjusted odds ratio [AOR] 1.04; P < .001), indicating a cumulative increase of 48% over the decade. The percentage of pregnant women who received care from both an obstetrician-gynecologist and a midwife, NP, or PA also increased (AOR 1.027; P < .001), for a cumulative increase of 30%. DISCUSSION: The increasing role of midwives, NPs, and PAs in the provision of maternity care suggests changes in the perinatal workforce and practice models that may promote collaborative care and quality improvement. However, better data collection is required to gather detailed information on specific provider types, these trends, and their implications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».