Experiences of discrimination across the life course among pregnancy planners in the United States and Canada
Notice bibliographique
Résumé
Little is known about discrimination among pregnancy planners. We used questionnaire data from Pregnancy Study Online (PRESTO), a preconception cohort study, to characterize experiences, attributions, and responses to discrimination (n = 10,460). Eligible participants were assigned female at birth, aged 21–45 years, U.S. or Canadian residents, and not using contraception or fertility treatment. Participants completed a supplemental questionnaire (2013–2024) that included the Philadelphia Urban ACE Survey, Williams' Everyday Discrimination and Major Experiences of Discrimination scales, and Krieger's instrument on responses to discrimination. Mean age at enrollment was 30.9 years. Overall, 83.8 % of participants identified as non-Hispanic White, and 50.4 % had ≥17 years education. Discrimination across the life course varied: 11 % of participants reported childhood racial discrimination, 80.3 % reported ever experiencing everyday discrimination, and 47.2 % reported ever experiencing lifetime discrimination. The most prevalent types of everyday discrimination included being perceived as not smart (63.4 %) and being treated with disrespect (62.6 %), while job-related discrimination was the most frequently-reported lifetime experience (33.9 %). Most Black participants (non-Hispanic and Hispanic) reported their race or ethnicity as one of the main reasons they were discriminated against (87.7 % and 80 %, respectively), while sex or gender was most commonly-reported by other racial and ethnic groups (range: 75.9–82.4 %). Most participants responded passively to discrimination: keeping it to themselves and accepting it as a fact of life (37.4 %). All participants other than non-Hispanic White reported greater exposure to discrimination across the life course, and attributions for discrimination ( e.g., race, gender, education, income level) varied across racial and ethnic groups.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».