Monitoring maternal near miss/severe maternal morbidity: A systematic review of global practices
Notice bibliographique
Résumé
There is international interest in monitoring severe events in the obstetrical population, commonly referred to as maternal near miss or severe maternal morbidity. These events can have significant consequences for individuals in this population and further study can inform practices to reduce both maternal morbidity and mortality. Numerous surveillance systems exist but we lack a standardized approach. Given the current inconsistencies and the importance in monitoring these events, this study aimed to identify and compare commonly used surveillance methods. In June 2018, we systematically searched MEDLINE, EMBASE, and CINAHL using terms related to monitoring/surveillance and maternal near miss/severe maternal morbidity. We included papers that used at least three indicators to monitor for these events and collected data on specific surveillance methods. We calculated the rate of maternal near miss/severe maternal morbidity in hospitalization data obtained from the 2016 US National Inpatient Sample using five common surveillance methods. Of 18,832 abstracts, 178 papers were included in our review. 198 indicators were used in studies included in our review; 71.2% (n = 141) of these were used in <10% of included studies and only 6.1% (n = 12) were used in >50% of studies included in our review. Eclampsia was the only indicator that was assessed in >80% of included studies. The rate of these events in American hospitalization data varied depending on the criteria used, ranging from 5.07% (95% CI = 5.02, 5.11) with the Centers for Disease Control criteria and 7.85% (95% CI = 7.79, 7.91) using the Canadian Perinatal Surveillance System. Our review highlights inconsistencies in monitoring practices within and between developed and developing countries. Given the wide variation in monitoring approaches observed and the likely contributing factors for these differences, it may be more feasible for clinical and academic efforts to focus on standardizing approaches in developed and developing countries independently at this time. PROSPERO Registration: CRD42018096858.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».