Addressing Black Maternal Mortality
Notice bibliographique
Résumé
Increasing rates of maternal morbidity and mortality is a growing concern in many industrialized countries. Data from US maternal mortality review committees indicate that more than 80% of these deaths are preventable (Trost et al., 2019). Various factors contributing to this issue include advancing maternal age, increased adults living with congenital disease that may affect outcomes and increased prevalence of comorbidities such as diabetes and hypertension (Fink et al., 2023). In the United States, black women are disproportionately affected by maternal mortality and severe maternal morbidity, facing rates almost three times higher than those of white women (Hoyert, 2023). Few Canadian studies exist, but they echo similar findings. Research by McKinnon and colleagues (2016) found that Black women were more likely to have premature babies and have their pain experiences discounted. A more recent qualitative study based in Toronto reported pervasive obstetric racism experienced by Black women (Boakye et al., 2023). These disparities stem from a complex interplay of factors, including systemic racism, socio-economic disparities, and unequal access to quality healthcare. Unfortunately, research on Black maternal mortality and morbidity is limited in Canada, and we lack a much-needed national system to track these outcomes. Unlike the United States, few Canadian health agencies collect racial statistics. However, disaggregated race-based data is critical for informing targeted interventions and policy changes. This infographic was created under the umbrella of The Newcomer Health Hub, a Canadian medical student-run organization that seeks to increase awareness of health-care disparities in order to improve medical training. Infographics play a crucial role in enhancing comprehension, increasing engagement, and promoting health literacy. Together, through education, advocacy, and community engagement, we can work towards ensuring that every mother receives the support, resources, and care they need to have a safe and healthy pregnancy and childbirth experience, regardless of race or ethnicity.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,004 |
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 ».