Trends and Disparities in Severe Maternal Morbidity Indicator Categories during Childbirth Hospitalization in California from 1997 to 2017
Notice bibliographique
Résumé
OBJECTIVE: Severe maternal morbidity (SMM) is increasing and characterized by substantial racial and ethnic disparities. Analyzing trends and disparities across time by etiologic or organ system groups instead of an aggregated index may inform specific, actionable pathways to equitable care. We explored trends and racial and ethnic disparities in seven SMM categories at childbirth hospitalization. STUDY DESIGN: = 10,580,096) using the Centers for Disease Control and Prevention's SMM index. Cases were categorized into seven nonmutually exclusive indicator categories (cardiac, renal, respiratory, hemorrhage, sepsis, other obstetric, and other medical SMM). We compared prevalence and trends in SMM indicator categories overall and by racial and ethnic group using logistic and linear regression. RESULTS: SMM occurred in 1.16% of births and nontransfusion SMM in 0.54%. Hemorrhage SMM occurred most frequently (27 per 10,000 births), followed by other obstetric (11), respiratory (7), and sepsis, cardiac, and renal SMM (5). Hemorrhage, renal, respiratory, and sepsis SMM increased over time for all racial and ethnic groups. The largest disparities were for Black individuals, including over 3-fold increased odds of other medical SMM. Renal and sepsis morbidity had the largest relative increases over time (717 and 544%). Sepsis and hemorrhage SMM had the largest absolute changes over time (17 per 10,000 increase). Disparities increased over time for respiratory SMM among Black, U.S.-born Hispanic, and non-U.S.-born Hispanic individuals and for sepsis SMM among Asian or Pacific Islander individuals. Disparities decreased over time for sepsis SMM among Black individuals yet remained substantial. CONCLUSION: Our research further supports the critical need to address SMM and disparities as a significant public health priority in the United States and suggests that examining SMM subgroups may reveal helpful nuance for understanding trends, disparities, and potential needs for intervention. KEY POINTS: · By SMM subgroup, trends and racial and ethnic disparities varied yet Black individuals consistently had highest rates.. · Hemorrhage, renal, respiratory, and sepsis SMM significantly increased over time.. · Disparities increased for respiratory SMM among Black, U.S.-born Hispanic and non-U.S.-born Hispanic individuals and for sepsis SMM among Asian or Pacific Islander individuals..
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».