Measuring experiences of facility-based care for pregnant women and newborns: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Access to high-quality, person-centred care during pregnancy and childbirth is a global priority. Positive experience of care is key in particular, because it is both a fundamental right and can influence health outcomes and future healthcare utilisation. Despite its importance for accountability and action, systematic guidance on measuring experience of care is limited. METHODS: We conducted a scoping review of published literature to identify measures/instruments for experience of facility-based pregnancy and childbirth (abortion, antenatal, intrapartum, postnatal and newborn) care. We systematically searched five bibliographic databases from 1 January 2007 through 1 February 2019. Using a predefined evidence template, we extracted data on study design, data collection method, study population and care type as reported in primary quantitative articles. We report results narratively. RESULTS: We retrieved 16 528 unique citations, including 171 eligible articles representing, 157 unique instruments and 144 unique parent instruments across 56 countries. Half of the articles (90/171) did not use a validated instrument. While 82% (n=141) of articles reported on labour and childbirth care, only one reported on early pregnancy/abortion care. The most commonly reported sub-domains of user experience were communication (84%, 132/157) and respect and dignity (71%, 111/157). The primary purpose of most papers was measurement (70%, 119/171), largely through cross-sectional surveys. CONCLUSION: There are alarming gaps in measurement of user experience for abortion, antenatal, postnatal and newborn care, including lack of validated instruments to measure the effects of interventions and policies on user experience. PROTOCOL REGISTRATION DETAILS: This review was registered and published on PROSPERO (CRD42017070867). PROSPERO is an international database of prospectively registered systematic reviews in health and social care.
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 | 0,030 | 0,154 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,023 | 0,025 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».