Setting up a maternal and newborn registry applying electronic platform: an experience from the Bangladesh site of the global network for women’s and children’s health
Notice bibliographique
Résumé
BACKGROUND: The Global Network for Women's and Children's Health Research (Global Network, GN) has established the Maternal Newborn Health Registry (MNHR) to assess MNH outcomes over time. Bangladesh is the newest country in the GN and has implemented a full electronic MNH registry system, from married women surveillance to pregnancy enrollment and subsequent follow ups. METHOD: Like other GN sites, the Bangladesh MNHR is a prospective, population-based observational study that tracks pregnancies and MNH outcomes. The MNHR site is in the Ghatail and Kalihati sub-districts of the Tangail district. The study area consists of 12 registry clusters each of ~ 18,000-19,000 population. All pregnant women identified through a two-monthly house-to-house surveillance are enrolled in the registry upon consenting and followed up on scheduled visits until 42 days after pregnancy outcome. A comprehensive automated registry data capture system has been developed that allows for married women surveillance, pregnancy enrollment, and data collection during follow-up visits using a web-linked tablet-PC-based system. RESULT: During March-May 2019, a total of 56,064 households located were listed in the Bangladesh MNH registry site. Of the total 221,462 population covered, 49,269 were currently married women in reproductive age (CMWRA). About 13% CMWRA were less susceptible to pregnancy. Large variability was observed in selected contraceptive usage across clusters. Overall, 5% of the listed CMWRAs were reported as currently pregnant. CONCLUSION: In comparison to paper-pen capturing system electronic data capturing system (EDC) has advantages of less error-prone data collection, real-time data collection progress monitoring, data quality check and sharing. But the implementation of EDC in a resource-poor setting depends on technical infrastructure, skilled staff, software development, community acceptance and a data security system. Our experience of pregnancy registration, intervention coverage, and outcome tracking provides important contextualized considerations for both design and implementation of individual-level health information capturing and sharing systems.
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 | 0,017 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».