The impact of health sector evolution plan on hospitalization and cesarean section rates in Iran: an interrupted time series analysis
Notice bibliographique
Résumé
OBJECTIVE: To investigate the effect of the health sector evolution plan (HSEP) on hospitalization and cesarean section (C-section) rates in Kermanshah province in the western region of Iran. DESIGN: Interrupted time series analysis. SETTING: Hospital care system in Kermanshah province. STUDY PARTICIPANTS: Fifteen hospitals affiliated to Ministry of Health and Medical Education (MoHME) in Kermanshah province. INTERVENTION(S): Health sector evolution plan. MAIN OUTCOME MEASURES: Hospitalization rate and C-section rate. RESULTS: We observed a statistically significant increase in the hospitalization rate (12.9 hospitalizations per 10 000 population, P < 0.001) in the first month after the implementation of the HSEP. Compared with the monthly trend in hospitalization rate before the intervention, we found a significant increase of 0.70 hospitalizations per 10 000 population (P < 0.001) in monthly trend in hospitalization rate after the HSEP. Although the proportion of C-section from total deliveries decreased by 11% (P = 0.044) in the first month after the implementation of the HSEP, the proportion of C-section from total deliveries increased at the rate of 0.0017% (P = 0.001) per month during post-intervention period. CONCLUSION: We found an increase in the hospitalization rate after the intervention of HSEP. Although the C-section rate in the first month after the HSEP decreased, we observed an increasing trend in C-section rate over the study period; this implies that the HSEP did not promote vaginal delivery in Iran, which is outlined as one of the objectives of the intervention.
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 | 0,002 | 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 ».