Constructing maternal morbidity – towards a standard tool to measure and monitor maternal health beyond mortality
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
BACKGROUND: Maternal morbidity is a complex entity and its presentation and severity are on a spectrum. This paper describes the conceptualization and development of a definition for maternal morbidity, and the framework for its measurement: the maternal morbidity matrix, which is the foundation for measuring maternal morbidity, thus, the assessment tool. DISCUSSION: We define maternal morbidity and associated disability as "any health condition attributed to and/or complicating pregnancy and childbirth that has a negative impact on the woman's wellbeing and/or functioning." A matrix of 121 conditions was generated through expert meetings, review of the International Classification of Diseases and related health problems (ICD-10), literature reviews, applying the definition of maternal morbidity and a cut-off of >0.1% prevalence. This matrix has three dimensions: identified morbidity category, reported functioning impact and maternal history. The identification criteria for morbidity include 58 symptoms, 29 signs, 44 investigations and 35 management strategies; these criteria are aimed at recognizing the medical condition, or the functional impact/disability component that will capture the negative impact experienced by the woman. The maternal morbidity matrix is a practical framework for assessing maternal morbidity beyond near-miss. In light of the emerging attention to Universal Health Coverage (UHC) as part of the post-2015 Sustainable Development Goals (SDGs) planning, a definition and standard identification criteria are essential to measuring its extent and impact.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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