MétaCan
Menu
Retour à la cohorte
Enregistrement W4402037745 · doi:10.15273/hpj.v4i1.11991

Addressing Black Maternal Mortality

2024· article· en· W4402037745 sur OpenAlexaffabout
Lotus Alphonsus, Meythula Alphonsus, Jamie Thompson

Notice bibliographique

RevueHealthy Populations Journal · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensNOSM UniversityUniversity of TorontoWestern University
Organismes subventionnairesnon disponible
Mots-clésDemographySociology

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,642
Tête enseignante GPT0,596
Écart entre enseignants0,046 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthy Populations JournalMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207