Maternal disability and newborn discharge to child protection in Ontario, Canada
Notice bibliographique
Résumé
ObjectivesOne in 8 pregnancies are to women with disabilities. These mothers can face additional social, structural, and health-related challenges, and negative health care provider assumptions about their parenting capacity. We aimed to examine rates of newborn discharge to child protection comparing newborns of mothers with and without a disability.
 MethodWe are conducting a population-based cohort study in Ontario, Canada using linked administrative health data. The cohort includes all women in Ontario with a live birth between 2003 and 2020. Diagnostic algorithms were applied to health care encounters prior to pregnancy to identify maternal disability. We will use modified Poisson regression to estimate the relative risk of discharge to child protection immediately after the birth hospital stay, comparing newborns of women with physical, sensory, developmental, and multiple disabilities to those without disabilities. Models will be adjusted for socio-demographic factors, antenatal care receipt, and maternal mental illness and substance use disorders.
 ResultsThe study cohort includes of over 1.4 million newborns delivered to women with physical disabilities (n=120,014), sensory disabilities (n=39,892), developmental disabilities (n=2,182), multiple disabilities (n=8,428), and no known disability (n=1,269,633). Analyses are ongoing and results will be concluded by the conference date.
 ConclusionEarly infancy is a critical period for breastfeeding and maternal-infant bonding. Findings will inform the development of tailored services and resources for supporting women with disabilities in antenatal care and after birth by identifying those most at-risk of child protection intervention, thus potentially reducing maternal-newborn separations.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 ».