OC05_01 Task-Shifting for the Management of Hypertension: Lessons From the Global Alliance for Chronic Diseases
Notice bibliographique
Résumé
To evaluate the performance of a continuous quality improvement collaboration at Ridge Regional Hospital, Accra, Ghana, that aimed to halve maternal and neonatal deaths.In a quasi-experimental, pre- and post-intervention analysis, system deficiencies were analyzed and 97 improvement activities were implemented from January 2007 to December 2011. Data were collected on outcomes and implementation rates of improvement activities. Severity-adjustment models were used to calculate counterfactual mortality ratios. Regression analysis was used to determine the association between improvement activities, staffing, and maternal mortality.Maternal mortality decreased by 22.4% between 2007 and 2011, from 496 to 385 per 100 000 deliveries, despite a 50% increase in deliveries and five- and three-fold increases in the proportion of pregnancies complicated by obstetric hemorrhage and hypertensive disorders of pregnancy, respectively. Case fatality rates for obstetric hemorrhage and hypertensive disorders of pregnancy decreased from 14.8% to 1.6% and 3.1% to 1.1%, respectively. The mean implementation score was 68% for the 97 improvement processes. Overall, 43 maternal deaths were prevented by the intervention; however, risk severity-adjustment models indicated that an even greater number of deaths was averted. Mortality reduction was correlated with 26 continuous quality improvement activities, and with the number of anesthesia nurses and labor midwives.The implementation of quality improvement activities was closely correlated with improved maternal mortality.
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 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».