Examining Trends in Obstetric Quality Measures for Monitoring Health Care Disparities
Notice bibliographique
Résumé
BACKGROUND: Elective delivery (ED) before 39 weeks, low-risk cesarean delivery, and episiotomy are routinely reported obstetric quality measures and have been the focus of quality improvement initiatives over the past decade. OBJECTIVE: To estimate trends and differences in obstetric quality measures by race/ethnicity. RESEARCH DESIGN: We used 2008-2014 linked birth certificate-hospital discharge data from New York City to measure ED before 39 gestational weeks (ED <39), low-risk cesarean, and episiotomy by race/ethnicity. Measures were following the Joint Commission and National Quality Forum specifications. Average annual percent change (AAPC) was estimated using Poisson regression for each measure by race/ethnicity. Risk differences (RD) for non-Hispanic black women, Hispanic women, and Asian women compared with non-Hispanic white women were calculated. RESULTS: ED<39 decreased among whites [AAPC=-2.7; 95% confidence interval (CI), -3.7 to -1.7), while it increased among blacks (AAPC=1.3; 95% CI, 0.1-2.6) and Hispanics (AAPC=2.4; 95% CI, 1.4-3.4). Low-risk cesarean decreased among whites (AAPC=-2.8; 95% CI, -4.6 to -1.0), and episiotomy decreased among all groups. In 2008, white women had higher risk of most measures, but by 2014 incidence of ED<39 was increased among Hispanics (RD=2/100 deliveries; 95% CI, 2-4) and low-risk cesarean was increased among blacks (RD=3/100; 95% CI, 0.5-6), compared with whites. Incidence of episiotomy was lower among blacks and Hispanics than whites, and higher among Asian women throughout the study period. CONCLUSIONS: Existing measures do not adequately assess health care disparities due to modest risk differences; nonetheless, continued monitoring of trends is warranted to detect possible emergent disparities.
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 | 0,000 | 0,001 |
| 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 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 ».