Training in the use of intrapartum electronic fetal monitoring with cardiotocography: systematic review and meta‐analysis
Notice bibliographique
Résumé
Background Sub‐optimal classification, interpretation and response to intrapartum electronic fetal monitoring using cardiotocography are known problems. Training is often recommended as a solution, but there is lack of clarity about the effects of training and which type of training works best. Objectives Systematic review of the effects of training healthcare professionals in intrapartum cardiotocography (PROSPERO protocol: CRD42017064525). Search strategy CENTRAL, Cochrane Library, MEDLINE, EMBASE, PsycINFO, British Nursing Database, CINAHL, ERIC, Scopus, Web of Science, ProQuest, grey literature and ongoing clinical trials were searched. Selection criteria Primary studies that reported impact of training healthcare professionals in intrapartum cardiotocography. Title/abstract, full‐text screening and quality assessment were conducted in duplicate. Data collection and analysis Data were synthesised both narratively and using meta‐analysis. Risk of bias and overall quality were assessed with the Mixed Methods Appraisal Tool and GRADE. Main results Sixty‐four studies were included. Overall, training and reporting were heterogeneous, the outcomes evaluated varied widely and study quality was low. Five randomised controlled trials reported that training improved knowledge of maternity professionals compared with no training, but evidence was of low quality. Evidence for the impact of cardiotocography training on neonatal and maternal outcomes was limited, showed inconsistent effects, and was of low overall quality. Evidence for the optimal content and method of delivery of training was very limited. Conclusions Given the scale of harm and litigation claims associated with electronic fetal monitoring, the evidence‐base for training requires improvement. It should address intervention design, evaluation of clinical outcomes and system‐wide contexts of sub‐optimal practice. Tweetable abstract Training in fetal monitoring: systematic review finds little evidence of impact on neonatal outcomes.
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 | 0,026 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,028 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».