Facilitators and barriers to the effective implementation of the individual maternal near-miss case reviews in low/middle-income countries: a systematic review of qualitative studies
Notice bibliographique
Résumé
BACKGROUND: The maternal near-miss cases review (NMCR), a type of clinical audit, proved to be effective in improving quality of care and decreasing maternal mortality in low/middle-income countries (LMICs). However, challenges in its implementation have been described. OBJECTIVES: Synthesising the evidence on facilitators and barriers to the effective implementation of NMCR in LMICs. DESIGN: Systematic review of qualitative studies. DATA SOURCES: MEDLINE, LILACS, Global Health Library, SCI-EXPANDED, SSCI, Cochrane library and Embase were searched in December 2017. ELIGIBILITY CRITERIA FOR SELECTING STUDIES: Qualitative studies exploring facilitators and/or barriers of implementing NMCR in LMIC were included. DATA EXTRACTION AND SYNTHESIS: Two independent reviewers extracted data, performed thematic analysis and assessed risk of bias. RESULTS: Out of 25 361 papers retrieved, 9 studies from Benin, Brazil, Burkina Faso, Cote D'Ivoire, Ghana, Malawi, Morocco, Tanzania, Uganda could be included in the review. The most frequently reported barriers to NMCR implementation were the following: absence of national guidelines and local protocols; insufficient training on how to perform the audit; lack of leadership, coordination, monitoring and supervision; lack of resources and work overload; fear of blame and punishment; poor knowledge of evidenced-based medicine; hierarchical differences among staff and poor understating of the benefits of the NMCR. Major facilitators to NMCR implementation included: good leadership and coordination; training of all key staff; a good cultural environment; clear staff's perception on the benefits of conducting audit; patient empowerment and the availability of external support. CONCLUSIONS: In planning the NMCR implementation in LMICs, policy-makers should consider actions to prevent and mitigate common challenges to successful NMCR implementation. Future studies should aim at documenting facilitators and barriers to NMCR outside the African Region.
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 | 0,110 | 0,242 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».