Notice bibliographique
Résumé
Introduction: There is an increasing appreciation for the impact of socio-economic disadvantage on maternal health outcomes.This systematic review aimed to summarise the evidence for severe maternal morbidity (SMM) and maternal mortality (MM) in women who are socio-economically disadvantaged compared to those who are not, in highincome countries.Methods: A comprehensive search was conducted in MEDLINE, EMBASE, CINAHL, and PsycInfo databases.Peer-reviewed papers from observational studies were included.A narrative synthesis and meta-analyses of comparable studies, structured around the different definitions of socio-economic disadvantage and type of outcome (SMM or MM) were undertaken.Risk of bias was assessed using a modified Newcastle-Ottawa tool.Results: The final review included 49 papers; 27 cohort studies, 10 case-control and four cross-sectional and eight National Maternal Mortality Surveillance Programs.30 papers reported SMM and 22 MM, as the outcome.In the meta-analyses, in the most compared to the least amount of neighbourhood deprivation, neighbourhood income, neighbourhood poverty and low education, the odds of SMM were 1.45 (95% CI 1.13-1.85),1.44 (95% CI 1.32-1.57),1.61 (95% CI 0.97-2.66)and 1.33 (95% CI 1.19-1.49)respectively.In the most compared to the least amount of unemployment, neighbourhood deprivation, lowest occupational group and low education the odds of MM were 1.86 (95% CI 0.95-3.66),2.10 (95% CI 1.57-2.81),1.61 (95% CI 1.03-2.51),1.90 (95% CI 1.29-2.79)respectively.Discussion: Across high-income countries there is a consistent association between socio-economic disadvantage and SMM and MM.Further research is needed to identify targeted interventions to reduce increased risk.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,864 | 0,633 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».