Spatiotemporal patterns and surveillance artifacts in maternal mortality in the United States: a population-based study
Notice bibliographique
Résumé
Background: Reports of high and rising maternal mortality ratios (MMR) in the United States have caused serious concern. We examined spatiotemporal patterns in cause-specific MMRs, in order to obtain insights into the cause for the increase. Methods: The study included all maternal deaths recorded by the Centers for Disease Control and Prevention from 1999 to 2021. Changes in overall and cause-specific MMRs were quantified nationally; in low-vs high-MMR states (i.e., MMRs <20 vs ≥26 per 100,000 live births in 2018-2021); and in California vs Texas (populous states with low vs high MMRs). Cause-specific MMRs included those due to unambiguous causes (e.g., selected obstetric causes such as pre-eclampsia/eclampsia) and less-specific/potentially incidental causes (e.g., "other specified pregnancy-related conditions", chronic hypertension, and malignant neoplasms). Findings: MMRs increased from 9.60 (n = 1543) in 1999-2002 to 23.5 (n = 3478) per 100,000 live births in 2018-2021. The temporal increase in MMRs was smaller in low-MMR states (from 7.82 to 14.1 per 100,000 live births) compared with high-MMR states (from 11.1 to 31.4 per 100,000 live births). MMRs due to selected obstetric causes decreased to a similar extent in low-vs high-MMR states, whereas the increase in MMRs from less-specific/potentially incidental causes was smaller in low- vs high-MMR states (MMR ratio (RR) 5.57, 95% CI 4.28, 7.25 vs 7.07, 95% CI 5.91, 8.46), and in California vs Texas (RR 1.67, 95% CI 1.03, 2.69 vs 10.8, 95% CI 6.55, 17.7). The change in malignant neoplasm-associated MMRs was smaller in California vs Texas (RR 1.21, 95% CI 0.08, 19.3 vs 91.2, 95% CI 89.2, 94.8). MMRs from less-specific/potentially incidental causes increased in all race/ethnicity groups. Interpretation: Spatiotemporal patterns of cause-specific MMRs, including similar reductions in unambiguous obstetric causes of death and variable increases in less-specific/potentially incidental causes, suggest misclassified maternal deaths and overestimated maternal mortality in some US states. Funding: This work received no funding.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».