Socioeconomic Status, Preeclampsia Risk and Gestational Length in Black and White Women
Notice bibliographique
Résumé
BACKGROUND: Higher socioeconomic status (SES) has less impact on cardio-metabolic disease and preterm birth risk among Black women compared to White women, an effect called "diminishing returns." No studies have tested whether this also occurs for pregnancy cardio-metabolic disease, specifically preeclampsia, or whether preeclampsia risk could account for race-by-SES disparities in birth timing. METHODS: A sample of 718,604 Black and White women was drawn from a population-based California cohort of singleton births. Education, public health insurance status, gestational length, and preeclampsia diagnosis were extracted from a State-maintained birth cohort database. Age, prenatal care, diabetes diagnosis, smoking during pregnancy, and pre-pregnancy body mass index were covariates. RESULTS: In logistic regression models predicting preeclampsia risk, the race-by-SES interaction (for both education and insurance status) was significant. White women were at lower risk for preeclampsia, and higher SES further reduced risk. Black women were at higher risk for preeclampsia, and SES did not attenuate risk. In pathway analyses predicting gestational length, an indirect effect of the race-by-SES interaction was observed. Among White women, higher SES predicted lower preeclampsia risk, which in turn predicted longer gestation. The same was not observed for Black women. CONCLUSIONS: Compared to White women, Black women had increased preeclampsia risk. Higher SES attenuated risk for preeclampsia among White women, but not for Black women. Similarly, higher SES indirectly predicted longer gestational length via reduced preeclampsia risk among White women, but not for Black women. These findings are consistent with diminishing returns of higher SES for Black women with respect to preeclampsia.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».