A social law lens on maternal mortality in the U.S.: Lessons from Germany and the Netherlands
Notice bibliographique
Résumé
Abstract The United States has one of the worst maternal mortality rates among developed nations. American mothers are three times more likely than Canadian mothers and six times more likely than Scandinavian mothers to die from pregnancy-related deaths. Currently, for every 100,000 live births, 26.4 mothers are dying in the U.S, with significant disparities between White mothers and mothers of color. Projections indicate that by 2030, the maternal mortality rate will rise to 45 maternal deaths out of 100,000 live births. In direct contrast, most other similarly situated high-income nations have decreased their maternal mortality rates in recent years, evidencing only single-digit mortality per 100,000 mothers. This research examines how social protection measures afforded by the law can facilitate differences in these rates. Specifically, this presentation compares legal interventions enshrined in social law that impact maternal health in the United States, Germany, and the Netherlands, including mandated access to prenatal care, midwifery reimbursement, and obligatory duration of postnatal care. Compared to the United States, both Germany and the Netherlands enshrine more comprehensively midwifery compensation and access to postnatal care in their social legal codes and insurance benefit schemes. Evidence accumulated by comparing these interventions with maternal mortality statistics suggests that legal interventions that spur extra attention to mothers during and after birth may help prevent pregnancy-related deaths. It also opens a discussion about how policymakers can use legal interventions to help eliminate racial disparities in maternity practice. Key messages Codified legal interventions that mandate extra attention to mothers during and after birth may help prevent pregnancy-related deaths. Compared to the U.S., both Germany and the Netherlands better enshrine midwifery compensation and access to postnatal care in their social legal codes and insurance benefit schemes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».