Implementation of the WHO manual for Robson classification: an example from Sri Lanka using a local database for developing quality improvement recommendations
Notice bibliographique
Résumé
OBJECTIVES: This study aimed at describing the use of a prospective database on hospital deliveries for analysing caesarean section (CS) practices according to the WHO manual for Robson classification, and for developing recommendations for improving the quality of care (QoC). DESIGN: Observational study. SETTING: University Obstetric Unit at De Soysa Hospital for Women, the largest maternity unit in Sri Lanka. DATA COLLECTION AND ANALYSIS: For each childbirth, 150 variables were routinely collected in a standardised form and entered into a database. Data were routinely monitored for ensuring quality. Information on deliveries occurring from July 2015 to June 2017 were analysed according the WHO Robson classification manual. Findings were discussed internally to develop quality improvement recommendations. RESULTS: 7504 women delivered in the hospital during the study period and at least one maternal or fetal pathological condition was reported in 2845 (37.9%). The CS rate was 30.0%, with 11.9% CS being performed prelabour. According to the Robson classification, Group 3 and Group 1 were the most represented groups (27.0% and 23.1% of population, respectively). The major contributors to the CS rate were group 5 (29.6%), group 1 (14.0%), group 2a (13.3%) and group 10 (11.5%). The most commonly reported indications for CS included abnormal cardiotocography/suspected fetal distress, past CS and failed progress of labour or failed induction. These suggested the need for further discussion on CS practices. Overall, 18 recommendations were agreed on. Besides updating protocols and hands-on training, activities agreed on included monitoring and supervision, criterion-based audits, risk management meetings and appropriate information for patients, and recommendations to further improve the quality of data. CONCLUSIONS: This study provides an example on how the WHO manual for Robson classification can be used in an action-oriented manner for developing recommendations for improving the QoC, and the quality of data collected.
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 | 0,090 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».