Neighborhood disinvestment and severe maternal morbidity in the state of California
Notice bibliographique
Résumé
BACKGROUND: Social determinants of health, including neighborhood context, may be a key driver of severe maternal morbidity and its related racial and ethnic inequities; however, investigations remain limited. OBJECTIVE: This study aimed to examine the associations between neighborhood socioeconomic characteristics and severe maternal morbidity, as well as whether the associations between neighborhood socioeconomic characteristics and severe maternal morbidity were modified by race and ethnicity. STUDY DESIGN: This study leveraged a California statewide data resource on all hospital births at ≥20 weeks of gestation (1997-2018). Severe maternal morbidity was defined as having at least 1 of 21 diagnoses and procedures (eg, blood transfusion or hysterectomy) as outlined by the Centers for Disease Control and Prevention. Neighborhoods were defined as residential census tracts (n=8022; an average of 1295 births per neighborhood), and the neighborhood deprivation index was a summary measure of 8 census indicators (eg, percentage of poverty, unemployment, and public assistance). Mixed-effects logistic regression models (individuals nested within neighborhoods) were used to compare odds of severe maternal morbidity across quartiles (quartile 1 [the least deprived] to quartile 4 [the most deprived]) of the neighborhood deprivation index before and after adjustments for maternal sociodemographic and pregnancy-related factors and comorbidities. Moreover, cross-product terms were created to determine whether associations were modified by race and ethnicity. RESULTS: Of 10,384,976 births, the prevalence of severe maternal morbidity was 1.2% (N=120,487). In fully adjusted mixed-effects models, the odds of severe maternal morbidity increased with increasing neighborhood deprivation index (odds ratios: quartile 1, reference; quartile 4, 1.23 [95% confidence interval, 1.20-1.26]; quartile 3, 1.13 [95% confidence interval, 1.10-1.16]; quartile 2, 1.06 [95% confidence interval, 1.03-1.08]). The associations were modified by race and ethnicity such that associations (quartile 4 vs quartile 1) were the strongest among individuals in the "other" racial and ethnic category (1.39; 95% confidence interval, 1.03-1.86) and the weakest among Black individuals (1.07; 95% confidence interval, 0.98-1.16). CONCLUSION: Study findings suggest that neighborhood deprivation contributes to an increased risk of severe maternal morbidity. Future research should examine which aspects of neighborhood environments matter most across racial and ethnic groups.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».