Manifestations of Anti-Black Racism and Worry About Pregnancy and Birthing While Black: A Cross-sectional Secondary Analysis of Giving Voice to Mothers
Notice bibliographique
Résumé
INTRODUCTION: Pregnancy and childbirth traditionally bring worry or a sense of anxiety and distress, particularly among Black women that face historical and contemporary anti-Black racism. We employed two frameworks to assess manifestations of anti-Black racism, structural racism and obstetric racism, as predictors of worry about pregnancy and birth within the Black reproducing community. METHODS: In a secondary cross-sectional analysis, we analyzed data from Black women in the Giving Voice to Mothers study who completed all relevant items (n = 260). We conducted descriptive analyses and logistic regression models to explore how worry about pregnancy and birth for the Black reproducing community varies with experiences of obstetric racism and different manifestations of structural racism. RESULTS: Approximately 71% of the sample worried about pregnancy and birth for themselves and their community. Black women who experienced obstetric racism were statistically significantly more likely to be worried about pregnancy and birth experiences compared to Black women who did not. Furthermore, when structural racism was manifested and measured as hidden resources, among Black women reporting fewer pregnancy and birthing care options for women of color, those who experienced obstetric racism during care were 15.6 times more likely to worry about pregnancy and birthing experiences than those who did not (OR 15.667; 95% CI 1.348-182.058). CONCLUSION: The findings demonstrate the complexity of racialized harm enacted against Black women during the perinatal period and underscore the ways in which obstetric racism and contexts of structural racism powerfully shape the meaning and subsequent emotional impact of pregnancy and birthing while Black.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».