Development of the FAST‐M maternal sepsis bundle for use in low‐resource settings: a modified Delphi process
Notice bibliographique
Résumé
OBJECTIVE: To develop a sepsis care bundle for the initial management of maternal sepsis in low resource settings. DESIGN: Modified Delphi process. SETTING: Participants from 34 countries. POPULATION: Healthcare practitioners working in low resource settings (n = 143; 34 countries), members of an expert panel (n = 11) and consultation with the World Health Organization Global Maternal and Neonatal Sepsis Initiative technical working group. METHODS: We reviewed the literature to identify all potential interventions and practices around the initial management of sepsis that could be bundled together. A modified Delphi process, using an online questionnaire and in-person meetings, was then undertaken to gain consensus on bundle items. Participants ranked potential bundle items in terms of perceived importance and feasibility, considering their use in both hospitals and health centres. Findings from the healthcare practitioners were then triangulated with those of the experts. MAIN OUTCOME MEASURE: Consensus on bundle items. RESULTS: Consensus was reached after three consultation rounds, with the same items deemed most important and feasible by both the healthcare practitioners and expert panel. Final bundle items selected were: (1) Fluids, (2) Antibiotics, (3) Source identification and control, (4) Transfer (to appropriate higher-level care) and (5) Monitoring (of both mother and neonate as appropriate). The bundle was given the acronym 'FAST-M'. CONCLUSION: A clinically relevant maternal sepsis bundle for low resource settings has been developed by international consensus. TWEETABLE ABSTRACT: A maternal sepsis bundle for low resource settings has been developed by international consensus.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».