Racial and Ethnic Differences in Trial of Labor After Cesarean Attempts and Vaginal Birth After Cesarean Success Rates: A Retrospective Single-Health System Study
Notice bibliographique
Résumé
Background: Despite risks associated with repeat cesareans, only 14% of deliveries in the United States were vaginal births after cesareans (VBACs) in 2023. Current research demonstrates that women from minority groups are less likely to be offered a trial of labor after cesarean (TOLAC). The purpose of this study was to determine whether removal of race/ethnicity distinctions from the Maternal-Fetal Medicine Units (MFMU) Network’s VBAC calculator in 2021 resulted in a more equitable distribution of TOLAC and higher VBAC rates. Methods: Retrospective data of patients with a previous cesarean delivery were gathered from January 2017 to June 2024, which was then analyzed utilizing Chi-squared tests and logistic regression models. Results: Overall, 1,905 births were included, of which, 25.62% of patients identified as Hispanic and 12.65% identified as Black. Successful VBAC occurred in 516 (27.09%) births, and 1,389 deliveries were repeat cesareans (72.91%). Importantly, TOLAC rates increased after MFMU’s calculator changes. However, Black patients still had lower odds of VBAC compared to White patients after the calculator change. When evaluating reasons listed as to why patients had a failed TOLAC, it was more often attributed to maternal status for Black patients than White patients. Conclusions: Although changes in MFMU’s VBAC calculator are correlated with increased attempted TOLAC in both Black and Hispanic patients, racial disparities in rates of successful VBAC persist.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».