MétaCan
Menu
Retour à la cohorte
Enregistrement W4283313549 · doi:10.1111/birt.12641

Coercion and non‐consent during birth and newborn care in the United States

2022· article· en· W4283313549 sur OpenAlexaff
Rachel Logan, Monica R. McLemore, Zoë Julian, Kathrin Stoll, Nisha Malhotra, Saraswathi Vedam

Notice bibliographique

RevueBirth · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal and Perinatal Health Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineEthnic groupContext (archaeology)Coercion (linguistics)Health carePrenatal careFamily medicineObstetricsPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

In the United States, Black, Indigenous, and People of Color (BIPOC) experience more adverse health outcomes and report mistreatment during pregnancy and birth care. The rights to bodily autonomy and consent are core components of high-quality health care. To assess experiences of coercion and nonconsent for procedures during perinatal care among racialized service users in the United States, we analyzed data from the Giving Voice to Mothers (GVtM-US) study. METHODS: In a subset analysis of the full sample of 2700, we examined survey responses for participants who described the experience of pressure or nonconsented procedures or intervention during perinatal care. We conducted multivariable logistic regression analyses by racial and ethnic identity for the outcomes: pressure to have perinatal procedures (eg, induction, epidurals, episiotomy, fetal monitoring), nonconsented procedures performed during perinatal care, pressure to have a cesarean birth, and nonconsented procedures during vaginal births. RESULTS: Among participants (n = 2490), 34% self-identified as BIPOC, and 37% had a planned hospital birth. Overall, we found significant differences in pressure and nonconsented perinatal procedures by racial and ethnic identity. These inequities persisted even after controlling for contextual factors, such as birthplace, practitioner type, and prenatal care context. For example, more participants with Black racial identity experienced nonconsented procedures during perinatal care (AOR 1.89, 95% CI 1.35-2.64) and vaginal births (AOR 1.87, 95% CI 1.23-2.83) than those identifying as white. In addition, people who identified as other minoritized racial and ethnic identities reported experiencing more pressure to accept perinatal procedures (AOR 1.55, 95% CI 1.08-2.20) than those who were white. DISCUSSION: There is a need to address human rights violations in perinatal care for all birthing people with particular attention to the needs of those identifying as BIPOC. By eliminating mistreatment in perinatal care, such as pressure to accept services and nonconsented procedures, we can help mitigate long-standing inequities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,100
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,311
Écart entre enseignants0,285 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations60
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBirthMême sujetMaternal and Perinatal Health InterventionsTravaux en français237 207