Monitoring perinatal outcomes in hospitals in Kabul, Afghanistan: The first step of a quality assurance process
Notice bibliographique
Résumé
OBJECTIVE: Afghanistan is one of the countries with highest maternal and perinatal mortality in the world. Lack of reliable data, however, makes it difficult to select and prioritise the interventions that would be most cost effective. To gain some evidence, we review and analyse perinatal outcomes in facilities in Kabul and examine the role of patient risk and clinical practice factors. METHODS: We used data for 2006 from a facility-based maternal and newborn surveillance system based on labour and delivery logbooks in the four government hospitals with maternity services in Kabul to analyse perinatal mortality and understanding potentially modifiable factors. RESULTS: Data was collected for 53,524 births during 2006. Perinatal mortality was 43.5 per 1000 total births and the stillbirth rate was 38. For babies with a birthweight of > or =2500 g, the risk of perinatal death if delivered by cesarean section was 3.57 (CI = 3.08-4.13) times the risk of those delivered vaginally. Babies born of mothers with risk factors were 6.49 (CI = 5.64-7.48) times more likely to die. The perinatal mortality rate in babies of women with risk factors undergoing cesarean section was 220.5 per 1000 total births. CONCLUSIONS: Facility-based monitoring of perinatal health is possible in resource-limited settings. The situation in hospitals in Kabul is precarious with high levels of perinatal mortality. Improved intrapartum care, especially for women with risk factors, is needed to positively impact perinatal health.
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 | 0,037 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».