Racial disparities in gestational weight gain and adverse pregnancy outcomes among Black and White pregnant people with obesity
Notice bibliographique
Résumé
OBJECTIVE: This study of pregnant people with obesity examined two aims in testing the hypothesis that the COVID-19 pandemic widened racial disparity in maternal health in high-risk pregnancies; it compared by race both (1) gestational weight gain (GWG) patterns and (2) patterns of preexisting conditions and adverse pregnancy outcomes. METHODS: This retrospective chart review included birth certificate and delivery records from a large women's specialty hospital in Louisiana between 2018 and 2022. Differences in preexisting conditions, GWG, and adverse pregnancy outcomes were explored across early-, peak-, and late-pandemic periods using log-linear regression and robust Poisson models. RESULTS: Among 7431 deliveries (54% Black), Black pregnant people had higher rates of preexisting type 2 diabetes and chronic hypertension but lower rates of gestational diabetes and preeclampsia compared to White pregnant people across all periods. Black individuals had higher prepregnancy weight and lower GWG compared to White individuals across all periods. GWG differences were not significant in peak- and late-pandemic periods. CONCLUSIONS: Black individuals with obesity started pregnancy with higher weight and more preexisting conditions but had lower GWG compared to White individuals. Exacerbated disparities in preexisting conditions demonstrate higher health risks for Black individuals during pregnancy.
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) | 0,000 | 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 ».