MétaCan
Menu
Retour à la cohorte
Enregistrement W2902721371 · doi:10.1590/s1980-220x2017038703404

Comparison between near miss criteria in a maternal intensive care unit

2018· article· en· W2902721371 sur OpenAlexaff
Alana Santos Monte, Liana Mara Rocha Teles, Mônica Oliveira Batista Oriá, Francisco Herlânio Costa Carvalho, Helen Brown, Ana Kelve de Castro Damasceno

Notice bibliographique

RevueRevista da Escola de Enfermagem da USP · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal and fetal healthcare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineIncidence (geometry)Odds ratioIntensive care unitEpidemiologyStandardized mortality ratioGold standard (test)Maternal deathIntensive careEnvironmental healthPopulationIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to compare the incidence of different criteria of maternal near miss in women admitted to an obstetric intensive care unit and their sensitivity and specificity in identifying cases that have evolved to morbidity. METHOD: A cross-sectional analytical epidemiological study was conducted with women admitted to the intensive care unit of the Maternity School Assis Chateaubriand in Ceará, Brazil. The Chi-square test and odds ratio were used. RESULTS: 560 records were analyzed. The incidence of maternal near miss ranged from 20.7 in the Waterstone criteria to 12.4 in the Geller criteria. The maternal near-miss mortality ratio varied from 4.6:1 to 7.1:1, showing better index in the Waterstone criteria, which encompasses a greater spectrum of severity. The Geller and Mantel criteria, however, presented high sensitivity and low specificity. Except for the Waterstone criteria, there was an association between the three other criteria and maternal death. CONCLUSION: The high specificity of Geller and Mantel criteria in identifying maternal near miss considering the World Health Organization criteria as a gold standard and a lack of association between the criteria of Waterstone with maternal death.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,433
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista da Escola de Enfermagem da USPMême sujetMaternal and fetal healthcareTravaux en français237 207