Global inequities in adverse pregnancy outcomes: what can we do?
Notice bibliographique
Résumé
The Health Equity Leadership & Exchange Network states that "health equity exists when all people, regardless of race, sex, sexual orientation, disability, socioeconomic status, geographic location, or other societal constructs, have fair and just access, opportunity, and resources to achieve their highest potential for health." It is clear from the wide discrepancies in maternal and infant mortalities, by race, ethnicity, location, and social and economic status, that health equity has not been achieved in pregnancy care. Although the most obvious evidence of inequities is in low-resource settings, inequities also exist in high-resource settings. In this presentation, based on the Global Pregnancy Collaboration Workshop, which addressed this issue, the bases for the differences in outcomes were explored. Several different settings in which inequities exist in high- and low-resource settings were reviewed. Apparent causes include social drivers of health, such as low income, inadequate housing, suboptimal access to clean water, structural racism, and growing maternal healthcare deserts globally. In addition, a question is asked whether maternal health inequities will extend to and be partially due to current research practices. Our overview of inequities provides approaches to resolve these inequities, which are relevant to low- and high-resource settings. Based on the evidence, recommendations have been provided to increase health equity in pregnancy care. Unfortunately, some of these inequities are more amenable to resolution than others. Therefore, continued attention to these inequities and innovative thinking and research to seek solutions to these inequities are encouraged.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».