The PRECISE (PREgnancy Care Integrating translational Science, Everywhere) database: open-access data collection in maternal and newborn health
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In less-resourced settings, adverse pregnancy outcome rates are unacceptably high. To effect improvement, we need accurate epidemiological data about rates of death and morbidity, as well as social determinants of health and processes of care, and from each country (or region) to contextualise strategies. The PRECISE database is a unique core infrastructure of a generic, unified data collection platform. It is built on previous work in data harmonisation, outcome and data field standardisation, open-access software (District Health Information System 2 and the Baobab Laboratory Information Management System), and clinical research networks. The database contains globally-recommended indicators included in Health Management Information System recording and reporting forms. It comprises key outcomes (maternal and perinatal death), life-saving interventions (Human Immunodeficiency Virus testing, blood pressure measurement, iron therapy, uterotonic use after delivery, postpartum maternal assessment within 48 h of birth, and newborn resuscitation, immediate skin-to-skin contact, and immediate drying), and an additional 17 core administrative variables for the mother and babies. In addition, the database has a suite of additional modules for 'deep phenotyping' based on established tools. These include social determinants of health (including socioeconomic status, nutrition and the environment), maternal co-morbidities, mental health, violence against women and health systems. The database has the potential to enable future high-quality epidemiological research integrated with clinical care and discovery bioscience.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle