Predictors of a negative labour and birth experience based on a national survey of Canadian women
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A negative birth experience has been shown to have a significant impact on the well-being and future choices of mothers. The objective of this study was to assess the prevalence of, and identify the risk factors associated with a negative birth experience for women in Canada. METHODS: The study was based on secondary data analysis of the Maternity Experiences Survey (MES), a Canadian population database administered to 6,421 Canadian women in 2006. The examined outcome - negative birth experience - was derived from mothers' self-report of overall labour and birth experience. Independent variables were maternal demographics, health characteristics, pregnancy-related characteristics, and birth characteristics. Multivariable logistic regression analysis was performed to determine the significant predictors of negative birth experience. Adjusted Odds Ratios (AOR) and 95 % Confidence Intervals (CI) are reported. RESULTS: Negative birth experience was reported among 9.3 % of women. The main significant predictors of a negative birth experience included older age (AOR 2.29, 95 % CI, 1.03-5.07), violence experienced in the past two years (AOR, 1.62, 95 % CI, 1.21-2.18), poor self-perceived health (adjusted OR, 1.95, 95 % CI, 1.36-2.80), prenatal classes attended (adjusted OR, 1.36, 95 % CI, 1.06-1.76), unintended pregnancy (adjusted OR, 1.30, 95 % CI, 1.03-1.63), caesarean birth (AOR, 1.65, 95 % CI, 1.32-2.06), and neonate admission to intensive care (AOR, 1.40, 95 % CI, 1.08-1.82). CONCLUSION: Significant predictors of a negative labour and birth experience were identified through this study, a first in the Canadian context. These findings suggest future research directions and provide a basis for the design and evaluation of maternal health policy and prevention programs.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle