Association between socioeconomic disadvantage and severe maternal morbidity and mortality in high-income countries: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Socioeconomic position (SEP) is among the most important determinants of variations in health outcomes. This systematic review aimed to summarise the association between socioeconomic disadvantage and the risk of severe maternal morbidity (SMM) and maternal mortality (MM) across high-income countries. METHODS: A comprehensive search was conducted in the MEDLINE, EMBASE, CINAHL and PsycInfo databases and Google Scholar from January 2000 to June 2023. Peer-reviewed papers from observational studies conducted in Organisation for Economic Co-operation and Development countries were included. Meta-analyses of comparable studies, a narrative summary and a harvest plot were undertaken.The risk of bias was assessed using a modified Newcastle-Ottawa tool. RESULTS: The final review included 52 papers. In the meta-analyses, compared with the least amount of neighbourhood deprivation, neighbourhood income, neighbourhood poverty and years of education, the ORs for SMM in the highest group were 1.45 (95% CI 1.13 to 1.85), 1.48 (95% CI 1.34 to 1.63), 1.61 (95% CI 0.97 to 2.66) and 1.29 (95% CI 1.22 to 1.37), respectively. Similarly, the ORs for MM among least versus highest amount of neighbourhood deprivation, unemployed versus employed, lower versus higher occupational group and years of education were 2.10 (95% CI 1.57 to 2.81), 1.86 (95% CI 0.95 to 3.66), 1.61 (95% CI 1.03 to 2.51) and 1.90 (95% CI 1.29 to 2.79), respectively. DISCUSSION: In high-income countries across the different measures of SEP, socioeconomic disadvantage is associated with increased risk for SMM and MM. There is a need for interventions across multiple societal levels that will be effective in reducing these inequitable outcomes. PROSPERO REGISTRATION NUMBER: CRD42023399267.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».