Patient safety initiatives in obstetrics: a rapid review
Notice bibliographique
Résumé
OBJECTIVES: This review was commissioned by WHO, South Africa-Country office because of an exponential increase in medical litigation claims related to patient safety in obstetrical care in the country. A rapid review was conducted to examine the effectiveness of quality improvement (QI) strategies on maternal and newborn patient safety outcomes, risk of litigation and burden of associated costs. DESIGN: A rapid review of the literature was conducted to provide decision-makers with timely evidence. Medical and legal databases (eg, MEDLINE, Embase, LexisNexis Academic, etc) and reference lists of relevant studies were searched. Two reviewers independently performed study selection, abstracted data and appraised risk of bias. Results were summarised narratively. INTERVENTIONS: We included randomised clinical trials (RCTs) of QI strategies targeting health systems (eg, team changes) and healthcare providers (eg, clinician education) to improve the safety of women and their newborns. Eligible studies were limited to trials published in English between 2004 and 2015. PRIMARY AND SECONDARY OUTCOME MEASURES: RCTs reporting on patient safety outcomes (eg, stillbirths, mortality and caesarean sections), litigation claims and associated costs were included. RESULTS: The search yielded 4793 citations, of which 10 RCTs met our eligibility criteria and provided information on over 500 000 participants. The results are presented by QI strategy, which varied from one study to another. Studies including provider education alone (one RCT), provider education in combination with audit and feedback (two RCTs) or clinician reminders (one RCT), as well as provider education with patient education and audit and feedback (one RCT), reported some improvements to patient safety outcomes. None of the studies reported on litigation claims or the associated costs. CONCLUSIONS: Our results suggest that provider education and other QI strategy combinations targeting healthcare providers may improve the safety of women and their newborns during childbirth.
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 | 0,026 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,021 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».