Severe maternal morbidity surveillance: Monitoring pregnant women at high risk for prolonged hospitalisation and death
Notice bibliographique
Résumé
BACKGROUND: There is no international consensus on the definition and components of severe maternal morbidity (SMM). OBJECTIVES: To propose a comprehensive definition of SMM, to create an empirically justified list of SMM types and subtypes, and to use this to examine SMM in Canada. METHODS: Severe maternal morbidity was defined as a set of heterogeneous maternal conditions known to be associated with severe illness and with prolonged hospitalisation or high case fatality. Candidate SMM types/subtypes were evaluated using information on all hospital deliveries in Canada (excluding Quebec), 2006-2015. SMM rates for 2012-2016 were quantified as a composite and as SMM types/subtypes. Rate ratios and population attributable fractions (PAF) associated with overall and specific SMM types/subtypes were estimated in relation to length of hospital stay (LOS > 7 days) and case fatality. RESULTS: There were 22 799 cases of SMM subtypes (among 1 418 545 deliveries) that were associated with a prolonged LOS or high case fatality. Between 2012 and 2016, the composite SMM rate was 16.1 (95% confidence interval [CI] 15.9, 16.3) per 1000 deliveries. Severe pre-eclampsia and HELLP syndrome (514.6 per 100 000 deliveries), and severe postpartum haemorrhage (433.2 per 100 000 deliveries) were the most common SMM types, while case fatality rates among SMM subtypes were highest among women who had cardiac arrest and resuscitation (241.1 per 1000), hepatic failure (147.1 per 1000), dialysis (67.6 per 1000), and cerebrovascular accident/stroke (51.0 per 1000). The PAF for prolonged hospital stay related to SMM was 17.8% (95% CI 17.3, 18.3), while the PAF for maternal death associated with SMM was 88.0% (95% CI 74.6, 94.4). CONCLUSIONS: The proposed definition of SMM and associated list of SMM subtypes could be used for standardised SMM surveillance, with rate ratios and PAFs associated with specific SMM types/subtypes serving to inform clinical practice and public health policy.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».