What racial disparities exist in the prevalence of perinatal bipolar disorder in California?
Notice bibliographique
Résumé
Purpose: Mental health conditions are the leading cause of preventable maternal mortality and morbidity, yet few investigations have examined perinatal bipolar disorders. This study sought to examine racial differences in the odds of having a bipolar disorder diagnosis in perinatal women across self-reported racial groups in a large sample in California, USA. Method: This cross-sectional study uses data from 3,831,593 women who had singleton live births in California, USA from 2011 to 2019 existing in a linked dataset which included hospital discharge records and birth certificates. International Classification of Diseases codes were used to identify women with a bipolar disorder diagnosis code on the hospital discharge record. Medical charts and birth certificate data was used to extract information on clinical and demographic covariate characteristics. Multivariable logistic regression was used to estimate the odds of having a bipolar disorder diagnosis across different self-reported racial groups. Results: We identified 19,262 women with bipolar disorder diagnoses. Differences in the presence of a bipolar disorder diagnosis emerged by self-reported race. In the fully adjusted model, Multiracial (selection of two races self-reported) women, compared to single-race White women had the highest odds of having a bipolar disorder diagnosis. Further examination of the all-inclusive Multiracial category revealed differences across subgroups where White/Black, White/American Indian Alaskan Native, and Black/American Indian Alaskan Native women had increased odds for bipolar disorder compared to single race White women. Conclusions: Differences in bipolar disorder diagnoses exist across racial categories and when compared to White women, Multiracial women had the highest odds of bipolar disorder and thus represent a perinatal population of focus for future intervention studies. The increased burden of mental health problems among Multiracial women is consistent with recent research that employs disaggregated race data. More studies of Multiracial women are needed to determine how self-reported racial categories are related to increased risk for perinatal bipolar disorder.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».