Predicting In-Hospital Maternal Mortality in Senegal and Mali
Notice bibliographique
Résumé
OBJECTIVE: We sought to identify predictors of in-hospital maternal mortality among women attending referral hospitals in Mali and Senegal. METHODS: We conducted a cross-sectional epidemiological survey using data from a cluster randomized controlled trial (QUARITE trial) in 46 referral hospitals in Mali and Senegal, during the pre-intervention period of the trial (from October 1st 2007 to October 1st 2008). We included 89,518 women who delivered in the 46 hospitals during this period. Data were collected on women's characteristics, obstetric complications, and vital status until the hospital discharge. We developed a tree-like classification rule (classification rule) to identify patient subgroups at high risk of maternal in-hospital mortality. RESULTS: Our analyses confirm that patients with uterine rupture, hemorrhage or prolonged/obstructed labor, and those who have an emergency ante-partum cesarean delivery have an increased risk of in-hospital mortality, especially if they are referred from another health facility. Twenty relevant patterns, based on fourteen predictors variables, are used to predict in-hospital maternal mortality with 81.41% sensitivity (95% CI = [77.12%-87.70%]) and 81.6% specificity (95% CI = [81.16%-82.02%]). CONCLUSION: The proposed class association rule method will help health care professionals in referral hospitals in Mali and Senegal to identify mothers at high risk of in-hospital death, and can provide scientific evidence on which to base their decisions to manage patients delivering in their health facilities.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».