MétaCan
Menu
Retour à la cohorte
Enregistrement W2271991630 · doi:10.12927/whp.2016.24495

Case Study: Experience Applying and Tracking a Quality Improvement Approach for Maternal and Newborn Health Services in Sub-Saharan Africa

2015· article· en· W2271991630 sur OpenAlexvenueno aff
Barbara Rawlins, Young Mi Kim, Jaime Haver, Aleisha Rozario, Adrienne Kols, Hillary Chiguvare, Matias dos Anjos, Emmanuel Otolorin, Jacqueline Aribot

Notice bibliographique

RevueWorld health & population · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesUnited States Agency for International Development
Mots-clésEnvironmental healthQuality (philosophy)Tracking (education)Maternal healthMedicinePublic healthHealth servicesEconomic growthPediatricsPopulationPsychologyNursingEconomics

Résumé

récupéré en direct d'OpenAlex

The Standards-Based Management and Recognition (SBM-R(®)) approach to quality improvement was applied to maternal and newborn health services in Guinea, Mozambique, Nigeria and Zimbabwe. In every country, the quality of service delivery, as measured by clinical performance standards, improved following the intervention. The performance of evidence-based service delivery practices, as measured through service statistics, also increased and institutional rates of postpartum hemorrhage and very early neonatal deaths exhibited declining trends. Findings suggest that the effects of SBM-R reach beyond service delivery processes to health outputs and outcomes and demonstrate the potential returns of investing in quality improvement approaches.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,390
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetGlobal Maternal and Child HealthTravaux en français237 207