MétaCan
Menu
Retour à la cohorte
Enregistrement W3009706658 · doi:10.1136/bmjgh-2019-001915

What the percentage of births in facilities does not measure: readiness for emergency obstetric care and referral in Senegal

2020· article· en· W3009706658 sur OpenAlexaff
Francesca Cavallaro, Lenka Beňová, El Hadji Dioukhane, Kerry LM Wong, Paula Sheppard, Adama Faye, Emma Radovich, Alexandre Dumont, A. Mbengue, Carine Ronsmans, Melisa Martínez-Álvarez

Notice bibliographique

RevueBMJ Global Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensMagna International (Canada)
Organismes subventionnairesnon disponible
Mots-clésReferralHealth facilityMedicinePublic healthMedical emergencyCensusCross-sectional studyEnvironmental healthHealth careFamily medicinePopulationHealth servicesNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

Introduction: Increases in facility deliveries in sub-Saharan Africa have not yielded expected declines in maternal mortality, raising concerns about the quality of care provided in facilities. The readiness of facilities at different health system levels to provide both emergency obstetric and newborn care (EmONC) as well as referral is unknown. We describe this combined readiness by facility level and region in Senegal. Methods: For this cross-sectional study, we used data from nine Demographic and Health Surveys between 1992 and 2017 in Senegal to describe trends in location of births over time. We used data from the 2017 Service Provision Assessment to describe EmONC and emergency referral readiness across facility levels in the public system, where 94% of facility births occur. A national global positioning system facility census was used to map access from lower-level facilities to the nearest facility performing caesareans. Results: Births in facilities increased from 47% in 1992 to 80% in 2016, driven by births in lower-level health posts, where half of facility births now occur. Caesarean rates in rural areas more than doubled but only to 3.7%, indicating minor improvements in EmONC access. Only 9% of health posts had full readiness for basic EmONC, and 62% had adequate referral readiness (vehicle on-site or telephone and vehicle access elsewhere). Although public facilities accounted for three-quarters of all births in 2016, only 16% of such births occurred in facilities able to provide adequate combined readiness for EmONC and referral. Conclusions: Our findings imply that many lower-level public facilities-the most common place of birth in Senegal-are unable to treat or refer women with obstetric complications, especially in rural areas. In light of rising lower-level facility births in Senegal and elsewhere, improvements in EmONC and referral readiness are urgently needed to accelerate reductions in maternal and perinatal mortality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,036
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

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

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 Opus0,048
Tête enseignante GPT0,366
Écart entre enseignants0,318 · 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 tête enseignante, 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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