Inequities in Care During Pregnancy Loss: Empirical Insights From Experiences With Canadian Perinatal Care
Notice bibliographique
Résumé
BACKGROUND: Individuals experiencing perinatal loss are entitled to respectful maternity care, but a paucity of research examines respectful care at the time of pregnancy loss. METHOD: We used data from an online cross-sectional survey (July 2020-February 2022), where 172 individuals reported on early (miscarriage) and late (late second trimester, stillbirth, neonatal death) losses since 2009. We aimed to explore inequities in respectful care experiences among individuals experiencing a late versus early perinatal loss in Canada. We assessed their experiences using the Mothers' Autonomy in Decision Making (MADM) scale and the Mothers on Respect Index (MORi). We created the Compassionate Disclosure of (perinatal) Loss (CDL) index to measure respectful care at the time of a loss. A single separate item, provider not listening to the individual's expression of concerns during pregnancy, was also analyzed. RESULTS: The early and late loss groups differed in education levels. Individuals who self-identified as Indigenous/Black/People of Color (IBPOC) had lower odds of scoring in the top quartile on MADM and MORi scales (AOR = 0.31, 95% CI 0.13, 0.75; AOR = 0.34, 95% CI 0.13, 0.86); and higher odds of reporting that providers did not listen to their concerns prior to the loss (AOR = 2.61, 95% CI 1.24, 5.48). Psychometric analysis supported the CDL index. Participants experiencing late loss had higher odds of reporting top quartile CDL scores than those experiencing early loss (AOR = 3.08, CI 1.22, 7.77). CONCLUSION: Canadian individuals with perinatal loss report disproportionately poorer care when they are experiencing a miscarriage and when they identify as IBPOC.
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 ».