Severe maternal morbidity associated with maternal birthplace in three high-immigration settings
Notice bibliographique
Résumé
BACKGROUND: Maternal mortality and morbidity vary substantially worldwide. It is unknown if these geographic differences translate into disparities in severe maternal morbidity among immigrants from various world regions. We assessed disparities in severe maternal morbidity between immigrant women from various world regions giving birth in three high-immigration countries. METHODS: We used population-based delivery data from Victoria; Australia and Ontario, Canada and national data from Denmark, in the most recent 10-year period ending in 2010 available to each participating centre. Each centre provided aggregate data according to standardized definitions of the outcome, maternal regions of birth and covariates for pooled analyses. We used random effects and stratified logistic regression to obtain odds ratios (ORs) with 95% confidence intervals (95% CIs), adjusted for maternal age, parity and comparability scores. RESULTS: We retrieved 2,322,907 deliveries in all three receiving countries, of which 479,986 (21%) were to immigrant women. Compared with non-immigrants, only Sub-Saharan African women were consistently at higher risk of severe maternal morbidity in all three receiving countries (pooled adjusted OR: 1.67; 95% CI: 1.43, 1.95). In contrast, both Western and Eastern European immigrants had lower odds (OR: 0.82; 95% CI: 0.70, 0.96 and OR: 0.64; 95% CI: 0.49, 0.83, respectively). The most common diagnosis was severe pre-eclampsia followed by uterine rupture, which was more common among Sub-Saharan Africans in all three settings. CONCLUSIONS: Immigrant women from Sub-Saharan Africa have higher rates of severe maternal morbidity. Other immigrant groups had similar or lower rates than the majority locally born populations.
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 | 0,015 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».