Ethnic Density and Preterm Birth in African-, Caribbean-, and US-Born Non-Hispanic Black Populations in New York City
Notice bibliographique
Résumé
Segregation studies suggest that the health of blacks in the United States is poorer in majority-black compared with mixed-race neighborhoods. However, segregation studies have not examined black immigrants, who may benefit from social support and country-of-origin foods in black immigrant areas. The authors used 1995-2003 New York City birth records and a spatial measure of ethnic density to conduct a cross-sectional investigation of the risks of preterm birth for African-, Caribbean-, and US-born non-Hispanic black women associated with neighborhood-level African-, Caribbean-, and US-born non-Hispanic black density, respectively. Preterm birth risk differences were computed from logistic model coefficients, comparing neighborhoods in the 90th percentile of ethnic density with those in the 10th percentile. African black preterm birth risks increased with African density, especially in more deprived neighborhoods, where the risk difference was 6.1 per 1,000 (95% confidence interval: 1.9, 10.2). There was little evidence of an ethnic density effect among non-Hispanic black Caribbeans. Among US-born non-Hispanic blacks, an increase in preterm birth risk associated with US-born black density was observed in more deprived neighborhoods only (risk difference = 12.5, 95% confidence interval: 6.6, 18.4). Ethnic density seems to be more strongly associated with preterm birth for US-born non-Hispanic blacks than for non-Hispanic black immigrants.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».