MétaCan
Menu
Retour à la cohorte
Enregistrement W4391879925 · doi:10.1111/jan.16098

Maternal health disparities: Challenges and recommendations to achieving equity and justice

2024· editorial· en· W4391879925 sur OpenAlexaboutno aff
Phyllis Sharps, Diane E. Mahoney

Notice bibliographique

RevueJournal of Advanced Nursing · 2024
Typeeditorial
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth equityEquity (law)Social justiceMEDLINEEconomic JusticeBusinessMedicinePolitical sciencePsychologyNursingCriminologyPublic healthLaw

Résumé

récupéré en direct d'OpenAlex

Maternal health disparities: Challenges and recommendations to achieving equity and justiceGlobally, the health of nations is often described in terms of public health statistical parameters, such as maternal morbidity, maternal morality (MMR) and infant mortality.Globally nations are compared by rank order using these indicators from lowest to high rates, and in terms of high-, middle-and low-income countries as well as world regions.Maternal morality describes the death of a woman during pregnancy or childbirth or within 42 days after the termination of pregnancy (World Health Organization, 2023a, 2023b).In 2020, the MMR was 223 per 100,000 live births, which far exceeds the United Nations Sustainable Development target of 70 deaths per 100,000 livebirths by 2030.Recent data show globally that maternal death rates are again raising, worldwide, after a period stagnant rate in 133 countries.There were significant increases in 17 countries, which included western Europe, North America, Latin America and the Caribbean (Khalil et al., 2023).Variations in MMR by region, often hide the mpact of maternal mortality.Global MMR for 2020 provide examples of variations among high income countries such as Norway (1.7), Australia (2.9), United Kingdom (9.6), Canada (11) and the United States (21.1).There are higher MMR among countries in regions such as Latin America-Mexico (59.1),South America-Peru (68.5),Brazil (72.1)Columbia (74.8),South Africa (126.8) and Sub-Sharan Africa (536; World Health Organization, 2023a, 2023b).Regardless to a country's level of health care systems, income status or geographic location, women who are Black, Indigenous or from People of Color (BIPOC) most often suffer the disparities of higher

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,047
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,082
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0060,004
Études des sciences et des technologies0,0100,013
Communication savante0,0170,021
Science ouverte0,0090,030
Intégrité de la recherche0,0260,033
Charge utile insuffisante (le modèle a refusé de juger)0,0310,007

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.

Tête enseignante Opus0,162
Tête enseignante GPT0,540
Écart entre enseignants0,379 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207