MétaCan
Menu
Retour à la cohorte
Enregistrement W2954631526 · doi:10.1136/bmjgh-2018-000778

Proposing standardised geographical indicators of physical access to emergency obstetric and newborn care in low-income and middle-income countries

2019· review· en· W2954631526 sur OpenAlexfundno aff
Steeve Ebener, Karin Stenberg, Michel Brun, Jean-Pierre Monet, Nicolas Ray, Howard Sobel, Nathalie Roos, Patrick Gault, Claudia Morrissey Conlon, Patsy Bailey, Allisyn C. Moran, Leopold Ouédraogo, Jacqueline Kitong, Eunyoung Ko, Djenaba Sanon, Farouk Jega, Olajumoke Azogu, Boureima Ouedraogo, Chidude Osakwe, Harriet Chimwemwe Chanza, Mona Mehta Steffen, Imed Ben Hamadi, Hayat Tib, Ahmed Haj Asaad, Tessa Tan Torres

Notice bibliographique

RevueBMJ Global Health · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de GenèveUniversité de SherbrookeRMIT UniversityAsian Development BankWorld Health OrganizationAmerican Heart Association
Mots-clésQuality (philosophy)Performance indicatorService (business)ReferralRisk analysis (engineering)MedicineOperations managementBusinessMarketingEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

Emergency obstetric and newborn care (EmONC) can be life-saving in managing well-known complications during childbirth. However, suboptimal availability, accessibility, quality and utilisation of EmONC services hampered meeting Millennium Development Goal target 5A. Evaluation and modelling tools of health system performance and future potential can help countries to optimise their strategies towards reaching Sustainable Development Goal (SDG) 3: ensure healthy lives and promote well-being for all at all ages. The standard set of indicators for monitoring EmONC has been found useful for assessing quality and utilisation but does not account for travel time required to physically access health services. The increased use of geographical information systems, availability of free geographical modelling tools such as AccessMod and the quality of geographical data provide opportunities to complement the existing EmONC indicators by adding geographically explicit measurements. This paper proposes three additional EmONC indicators to the standard set for monitoring EmONC; two consider physical accessibility and a third addresses referral time from basic to comprehensive EmONC services. We provide examples to illustrate how the AccessMod tool can be used to measure these indicators, analyse service utilisation and propose options for the scaling-up of EmONC services. The additional indicators and analysis methods can supplement traditional EmONC assessments by informing approaches to improve timely access to achieve Universal Health Coverage and reach SDG 3.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0080,011
Études des sciences et des technologies0,0000,001
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,410
Écart entre enseignants0,384 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations47
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetGlobal Maternal and Child HealthTravaux en français237 207