How does high socioeconomic status affect maternal and neonatal pregnancy outcomes? A population-based study among American women
Notice bibliographique
Résumé
Objectives: The purpose of this study was to evaluate the effect of high SES on multiple pregnancy outcomes, while controlling for confounding factors. Methods: Using the Healthcare Cost and Utilization Project Nationwide Inpatient Sample (HCUP-NIS), the largest American medical database including 20 % of annual hospital admissions, we studied the years 2004-2014 inclusively. We conducted a population-based retrospective cohort study consisting of women from different median household income quartiles throughout the United States. Women in the highest household income quartile were compared to those in all other lower income quartiles combined. Chi-square and Fischer exact tests were used to compare demographic and baseline characteristics. Univariate and multivariate regression analyses were carried to adjust for confounding factors, including ethnicity, pre-existing conditions, smoking status, obesity, illicit drug use and insurance type. Results: Among 5,448,255 deliveries during the study period with income data, 1,218,989 deliveries were to women from the wealthiest median household income. These women were more likely to be older, Caucasian, and have private medical insurance (P < 0.05, all). They were less likely to smoke, have chronic hypertension, pre-gestational diabetes, and use illicit drugs (P < 0.05, all). They were less likely to develop complications including gestational hypertension (aOR 0.87 95 %CI 0.85-0.88), preeclampsia (aOR 0.88 95 %CI 0.86-0.89), eclampsia (aOR 0.81 95 %CI 0.66-0.99), gestational diabetes (aOR 0.91 95 %CI 0.89-0.92), preterm premature rupture of membranes (PPROM) (aOR 0.92 95 %CI 0.88-0.96), preterm birth (aOR 0.90 95 %CI 0.89-0.92), and placental abruption (aOR 0.89 95 %CI 0.85-0.93). They were less likely to have an intra-uterine fetal death (IUFD) (aOR 0.80 95 %CI 0.74-0.86), but more likely to deliver neonates with congenital anomalies (aOR 1.10 95 %CI 1.04-1.20). Conclusions: Higher SES predisposes to better pregnancy outcomes, even when controlled for confounding factors such as ethnicity and underlying baseline health status. Efforts are required in order to eliminate health disparities in pregnancy.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».