MétaCan
Menu
Retour à la cohorte
Enregistrement W2605681521 · doi:10.23889/ijpds.v1i1.143

No Strings Attached: Evaluating an Unconditional Prenatal Income Supplement Using Linked Administrative Data

2017· article· en· W2605681521 sur OpenAlexaffabout
Marni Brownell, Mariette Chartier, Nathan Nickel, Dan Château, Joykrishna Sarkar, Elaine Burland, Doug Jutte, Carole Taylor, Rob Santos, Alan Katz

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePrenatal Substance Exposure Effects
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésBirth certificateMedicineBreastfeedingPopulationLow birth weightDemographyBirth weightSocioeconomic statusDisadvantagedPrenatal careEnvironmental healthPregnancyPediatrics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT
 ObjectivePerinatal outcomes have improved overall in developed countries over the last several decades but remain poor for disadvantaged populations. In Manitoba, Canada, the Healthy Baby Prenatal Benefit (HBPB), a cash transfer to low-income pregnant women, was introduced with the goal of improving perinatal outcomes. The objective of this study was to use linked administrative and program datasets to determine whether this unconditional income supplement was associated with improved birth outcomes for a low-income population.
 ApproachThis study used data from the PATHS Data Resource, which contains population-level health and social service records as well as program data for approximately 600,000 children in Manitoba, Canada, over a 30-year period, linkable at the individual level. All mother-newborn pairs, from 2003-2010, who met the following criteria were included for analyses: i) the mother was on social assistance (i.e., low income); ii) the infant was born in hospital; and, iii) the pair had a newborn risk screen (n=14,591), documenting factors such as prenatal alcohol and tobacco exposure and maternal and family characteristics. Low-income women who received HBPB (exposed, 10,738) were compared with low-income women who did not receive HBPB (unexposed, 3,853) on several outcomes: low birth weight, preterm, small- and large-for-gestational age, 5-minutes Apgar scores, breastfeeding initiation, neonatal readmission, and newborn hospital length of stay (LOS). Covariates from the risk screens were used to develop propensity scores to construct Inverse Probability of Treatment Weights, to balance differences between exposed and unexposed groups in regression models. Gamma sensitivity analyses assessed sensitivity to unmeasured confounding. Population attributable and preventable fractions were calculated.
 ResultsHBPB exposure was associated with reductions in low birth weight (adjusted risk ratio, aRR=0.71, 95% CI=0.63, 0.81), preterm (aRR=0.76 (0.69, 0.84)) and small-for-gestational age (aRR=0.90 (0.81, 0.99)) births and increases in breastfeeding (aRR=1.06 (1.03, 1.09)) and large-for-gestational age births (aRR=1.13 (1.05, 1.23)). For vaginal births, HBPB was associated with shortened LOS (mean=2.86, p<0.0001). Results for breastfeeding, low birth weight, preterm and LOS were robust to unmeasured confounding. Reductions of 21% (95% CI 13.6, 28.3) of low birth weight and 17.5% (11.2, 23.8) of preterm were associated with receipt of the HBPB.
 ConclusionsA modest income supplement during pregnancy was associated with improved birth outcomes for infants born to low-income women. Placing conditions on income supplements to low income pregnant women may not be necessary to promote prenatal and perinatal health. Linked administrative data can be a valuable tool for program evaluation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,406
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,011
Science ouverte0,0050,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,312
Tête enseignante GPT0,537
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetPrenatal Substance Exposure EffectsTravaux en français237 207