Understanding the factors associated with differences in caesarean section rates at hospital level: the case of Latin America
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As in many other regions of the world, caesarean section (CS) rates in Latin America are increasing. Studies elsewhere have shown that providing feedback to caregivers regarding their own performance relative to their peers can significantly reduce the rates. Our objectives are to calculate risk-adjusted CS rates for hospitals in Latin America and to identify factors associated with differences among risk-adjusted rates. We included 120 randomly selected institutions in eight countries of Latin America, representing 97 095 pregnancies. We used random-effects models to calculate a risk-adjusted rate for each hospital and to identify hospitals significantly higher or lower than a benchmark rate. We conducted a regression analysis to identify characteristics of hospitals associated with differences among risk-adjusted rates. The overall CS rate was 35%, ranging from 0% to 85%. Risk-adjusted CS rates ranged from 11% to 78%. Three-quarters of hospitals had risk-adjusted rates significantly above the previously identified benchmark of 20%. Characteristics of institutions explained 48% of the variability among risk-adjusted rates, including being a private as opposed to a public institution, having some economic incentive for CS as opposed to no incentive, and having > or = 50 maternity beds. Strategies to halt further increases in CS rates and reduce rates to levels that reflect the best quality of care, are urgently needed worldwide. The involvement of local quality control departments is an essential component in achieving success. Our results can be used to identify institutions that can be targets for further interventions to reduce CS rates.
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.
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 | 0,001 |
| 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 découle