Replacing Iron and Preventing Anemia in Pregnant patients of Limited Economic means (RIPPLE): The Impact of Funding Iron Supplementation in Pregnancy
Notice bibliographique
Résumé
OBJECTIVES: Can funding iron supplementation for low-income pregnant patients reduce socioeconomic disparities in anemia rates at delivery? METHODS: This single-centre cohort study reviewed hematologic parameters and iron supplementation patterns in 3 groups: patients from low-income neighbourhoods, non-low-income neighbourhoods, and low-income patients enrolled in the RIPPLE (Replacing Iron and Preventing anemia in Pregnant patients of Limited Economic means) program. RIPPLE provided access to intravenous iron to patients with an annual household income ≤$50 000 CAD and moderate-to-severe iron deficiency anemia, symptomatic iron deficiency with intolerance/inadequate response to oral iron, or iron deficiency anemia with less than 4 weeks to delivery. Patients were referred by their obstetrical provider, hematologist, or pharmacist. The primary outcome was anemia (hemoglobin <110 g/L) at delivery. RESULTS: Among 1206 patients (577 low-income, 603 non-low-income, 26 RIPPLE), anemia at delivery was more frequent in RIPPLE (54%) versus low-income (10%) and non-low-income (7%) groups (P < 0.0001). RIPPLE participants exhibited lower nadir hemoglobin (98.8 ± 9.9 g/L) and ferritin (9.6 ± 6.4 μg/L) compared to low-income (hemoglobin 114.2 ± 10.1 g/L, P < 0.0001; ferritin 30.0 ± 24.0 μg/L, P < 0.0001) and non-low-income groups (hemoglobin 115.9 ± 8.1 g/L, P < 0.0001; ferritin 40.9 ± 44.1 μg/L, P < 0.0001), and received infusions later in pregnancy (≤3 weeks pre-delivery: 42% vs. 27% vs. 9%). The RIPPLE cohort included more racial and ethnic minoritized individuals (73% vs. 58% vs. 33%). CONCLUSIONS: While funding for iron supplementation addressed cost barriers, disparities in care persisted. Our findings underscore the need for universal access to early screening and timely escalation from oral to intravenous iron to reduce social, racial, and ethnic disparities in care.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».