Exploring Social Identity Clusters and NICU Outcomes in the Context of Alberta Family Integrated Care
Notice bibliographique
Résumé
OBJECTIVE: To explore variations in maternal and infant outcomes among clusters of mother-infant dyads in the NICU characterized by intersecting social identity characteristics. DESIGN: Secondary exploratory analysis of data from a cluster randomized controlled trial conducted from December 2015 to July 2018. SETTING: Ten Level II NICUs in six cities across Alberta, Canada. PARTICIPANTS: weeks gestation. METHODS: We used two-step cluster analysis to identify clusters based on maternal ethnicity, education, age, and annual family income. We employed multiple regression models to examine whether cluster membership was associated with infant length of stay, maternal psychosocial distress, and parenting self-efficacy at discharge, controlling for relevant infant and maternal characteristics and hospital setting (urban vs. regional). RESULTS: We identified four mother-infant dyad clusters: (1) younger, lower-education, lower-income White mothers; (2) older, higher-education, higher-income BIPOC (Black, Indigenous, or people of color) mothers; (3) diploma-educated, highest-income White mothers; and (4) university-educated, highest-income White mothers. Although cluster membership was not associated with maternal outcomes, infants of mothers in Cluster 1 had shorter lengths of stay compared with those in Cluster 4. Hospital setting was a predictor of length of stay and parenting self-efficacy. CONCLUSION: Findings highlight the relevance of social identity and hospital setting in shaping NICU outcomes and support the need for equity-informed neonatal 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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».