Racial Disparities in Maternal Blood Transfusion in the United States by Mode of Delivery: A Population-Based Retrospective Cohort Study [ID 2683649]
Notice bibliographique
Résumé
INTRODUCTION: Despite well-documented racial disparities in maternal health in the United States, gaps remain in characterizing the distribution of these disparities within specific interventions and outcomes during childbirth, such as blood transfusion. We aimed to assess racial disparities in maternal blood transfusion in the United States overall and stratified by mode of delivery. METHODS: We performed a population-based retrospective cohort study of term, live births (2016–2021) using U.S. Natality Files. Regression models were constructed to estimate adjusted odds ratios (aORs) and 95% CIs of maternal blood transfusion (during labor or delivery) by self-identified maternal race in the total population, and among subgroups stratified by mode of delivery. Models were adjusted for maternal and obstetric practice factors. RESULTS: The study included 15,936,920 deliveries; maternal blood transfusion occurred in 3.7 per 1,000 deliveries. Compared with White individuals (3.5 per 1,000 transfusion rate), higher odds of transfusion were seen among American Indian and Alaskan Native (AIAN) (aOR 2.31; 95% CI, 2.19–2.44) and Pacific Islander individuals (aOR 1.65; 95% CI, 1.46–1.86). The frequency of transfusion and racial disparities in transfusion rates varied substantially by mode of delivery. For example, among forceps deliveries, compared with White individuals (9.1 per 1,000 transfusion rate), Chinese individuals had a nearly twofold higher rate of transfusion (aOR 1.93; 95% CI, 1.30–2.87), whereas Black individuals had a nearly 30% lower rate (aOR 0.71; 95% CI, 0.56–0.91). CONCLUSION: Racial disparities in maternal blood transfusion persist after adjustment for several confounders, particularly within AIAN and Pacific Islander individuals, and vary by mode of delivery.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».