Racial Disparities in Medication Use During Pregnancy: Results from the NISAMI Cohort
Notice bibliographique
Résumé
Purpose: This study aimed to evaluate racial disparities in medication use and associated factors among pregnant women receiving prenatal care at Brazilian Unified Health System primary care health units in the northeast region. Patients and Methods: A total of 1058 pregnant women in the NISAMI Cohort were interviewed between June 2012 and February 2014. Medicines used during pregnancy were classified according to the Anatomical Therapeutic Chemical (ATC) classification system and ANVISA pregnancy risk categories. Prevalence ratios (crude and adjusted) and 95% confidence intervals (CIs) were estimated using Poisson regression with robust error variance. All analyses were stratified by race (Asian, black, brown/mixed, Brazilian indigenous, and white). Results: Approximately 84% of the pregnant women used at least one medication, with a lower proportion among white women. The most reported medications were antianemic preparations (71.08%; 95% CI 68.27-73.72%), analgesics (21.74%; 95% CI 19.36-24.32%), and drugs for functional gastrointestinal disorders (18.81%; 95% CI 16.57-21.28%). Approximately 29% of women took potentially risky medications during pregnancy, with a higher prevalence among Asian and white women. Factors associated with medication use during pregnancy include a greater number of prenatal consultations, higher education levels, health problems, and smoking. In addition, maternal age above 25 years, smoking status, and two or more previous pregnancies were associated with potentially risky medication use during pregnancy. Conclusion: A high prevalence of medication use during pregnancy was found; however, this prevalence was lower among white women. Nonetheless, black and brown women used antianemic preparations less frequently. This finding suggests that race is a factor of inequity in prenatal care, demanding public policies to mitigate it.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».