Being a First Nations baby is not independently associated with low birthweight in a large metropolitan health service
Notice bibliographique
Résumé
Aim To examine low birth weight (LBW) in First Nations babies born in a large metropolitan health service in Queensland, Australia. Materials and Methods A retrospective population‐based study using routinely collected data from administrative data sources. All singleton births in metropolitan health services, Queensland, Australia of ≥20 weeks gestation or at least 400 g birthweight and had information on First Nations status and born between 2019 and 2021 were included. The study measured birthweight and birthweight z‐score, and also identified the predictors of LBW. Multivariate regression models were adjusted by demographic, socioeconomic and perinatal factors. Results First Nations babies had higher rates of LBW (11.4% vs 6.9%, P < 0.001), with higher rates of preterm birth (13.9% vs 8.8%, P < 0.001). In all babies, the most important factors contributing to LBW were: maternal smoking after 20 weeks of gestation; maternal pre‐pregnancy underweight (body mass index <18.5 kg/m 2 ); nulliparity; socioeconomic disadvantage; geographical remoteness; less frequent antenatal care; history of cannabis use; pre‐existing cardiovascular disease; pre‐eclampsia; antepartum haemorrhage; and birth outcomes including prematurity and female baby. After adjusting for all contributing factors, no difference in odds of LBW was observed between First Nations and non‐First Nation babies. Conclusions First Nations status was not an independent factor influencing LBW in this cohort, after adjustment for identifiable factors. The disparity in LBW relates to modifiable risk factors, socioeconomic disadvantage, and prematurity. Upscaling culturally safe maternity care, focusing on modifiable risk factors is required to address LBW in Australian women.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».