Obstetric racism and perceived quality of maternity care in Canada: Voices of Black women
Notice bibliographique
Résumé
BACKGROUND: Obstetric racism in healthcare encounters impact on access to quality maternal healthcare for Black childbearing women yet remains underexplored in Canada. Understanding the experiences of Black Canadian women is critical to inform policy and create targeted interventions to address obstetric racism and advanced maternal health equity. OBJECTIVE: The aim of this study was to explore the experiences of obstetric racism and its influence on perceived quality of maternity care among Black women in Toronto, Canada. DESIGN: Qualitative research was conducted using a critical qualitative inquiry approach. METHODS: We conducted a semi-structured interviews with 24 Black women who were pregnant and/or have given birth in the last 3 years. The interviews explored their experiences seeking care during pregnancy/childbirth and perceived quality of care. RESULTS: Two themes were generated through the process of thematic analysis: (1) Manifestations and Impacts of Obstetric Racism and (2) Strategies for Addressing Obstetric Racism. Narratives of being dismissed, objectified, dehumanized, trauma and paternalism were reflected in the accounts of the participants. These experiences undermined the quality of care, hindered therapeutic relationships and contributed to mistrust. CONCLUSION: Black women understood the nature and impact of obstetric racism as it relates to the quality of maternal health care, their safety, and well-being. Participants recommended the need for anti-Black racism training specific to caring of Black childbearing women and increasing Black healthcare provider representation in perinatal settings as strategies to address obstetric racism. Investment in Black maternal health research is urgently needed to generate meaningful evidence to inform policy and interventions to advanced maternal health equity.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,006 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».