Disparities in stillbirth rates according to municipal deprivation levels: a nationwide study in Brazil
Notice bibliographique
Résumé
BACKGROUND: Investigating the relationship between stillbirth and deprivation is essential to guide healthcare improvements, as evidence is scarce in LMIC contexts. This study estimated the stillbirth rate (SBR) and the odds ratios (OR) of stillbirth in Brazil's municipal deprivation context. METHODS: This observational study included births in Brazil registered in the SINASC and SIM databases, employing two epidemiological designs. First, a cross-sectional analysis assessed the association between stillbirths and municipal deprivation, using data from January 1 to December 31, 2018. Logistic regression was used to estimate OR for stillbirths across deprivation levels, adjusting for sociodemographic, gestational, and fetal variables, with 95% confidence intervals. Deprivation was classified into quintiles based on Brazilian deprivation index (IBP) levels 1 to 5. Second, an ecological analysis examined time trends in SBR by deprivation level from January 1, 2000, to December 31, 2018. Time trends in SBR from 2000 to 2018 were analyzed using Prais-Winsten regression, both overall and stratified by IBP level. RESULTS: In 2018, the OR of stillbirth, including both antepartum and intrapartum cases, increased with higher levels of deprivation. Compared to the least deprived areas, level 2 had a 9% greater OR of stillbirth (95%CI: 1.03-1.15), level 3 had a 30% higher OR (95% CI: 1.23-1.27), level 4 showed a 34% increase (95%CI: 1.27-1.41), and level 5 had the highest OR, with a 68% increase (95%CI: 1.60-1.77). From 2000 to 2018, SBR in Brazil declined by 1.1% per year (p < 0.001). Significant declines were observed across deprivation levels 1 (-1.6% per year; p < 0.001) to 4 (-1.5% per year; p < 0.001), while level 5 showed persistently high stillbirth rates with no significant improvement (p ≥ 0.05). CONCLUSION: These results highlight the stark inequalities in stillbirth chances across Brazil. Targeted action is needed to close the gap in the most deprived municipalities and reduce stillbirth rates and perinatal health disparities.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».