Factors affecting the prevention of postpartum hemorrhage in Low- and Middle-Income Countries: A scoping review of the literature
Notice bibliographique
Résumé
Background and objectives: Postpartum hemorrhage is an important cause of maternal mortality worldwide. A host of literature highlights the difficulty in predicting which women will experience Postpartum hemorrhage. The present study aims at describing the research output on factors affecting the prevention of Postpartum hemorrhage in Low- and Middle- Income Countries.Methods: A total of 24 published research articles and 2 papers from grey literature published between 2010 and 2019 were retrieved from PubMed, Scopus, CINAHL and Nursing and Allied Health Database (ProQuest). Data were extracted based on main study features and the findings were described narratively. Arksey and O’Malley’s framework for scoping studies was used in this review.Results: Findings from the literature from Low- and Middle- Income Countries are grouped into three themes: Knowledge and understanding about the prevention of Postpartum hemorrhage; Postpartum hemorrhage risk factors among childbearing women; and use of prophylactic uterotonic drugs for PPH prevention and related policies. The majority of studies investigate pharmacological interventions for PPH prevention, while few address the early assessment of risk factors associated with Postpartum hemorrhage for proactive prevention.Conclusions: The present study suggests that assessing risk factors associated with PPH would be a practical method for early identification of clients at high-risk for developing Postpartum hemorrhage. The present scoping review highlights the paucity of research considering Postpartum hemorrhage risk factors in low- and middle- income countries, particularly in Rwanda. Further qualitative research on the perceptions of health care workers and beneficiaries about Postpartum hemorrhage risk factors is warranted, to enable the development of a tool to assess risk factors associated to Postpartum hemorrhage among childbearing women in Low- and Middle- Income Countries.
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 | 0,015 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».