What do the numbers say? - Introduction of the WHO ICD-PM classification and fetuses-at risk approach in perinatal audit, South India
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: In India, despite a reduction in perinatal mortality rate from 2014 to 2019, still birth rate is still the same at the national average of 4/1000 live births. As yet there is no nation-wide audit in India except for facility based audits. Hence the need for a simplified yet effective audit process exists. The aim of this study was to perform a qualitative perinatal audit and devise methods for future audits. Methods: We conducted a one year audit for all perinatal deaths using WHO ICD PM and 3-delay classification. Gestational age (GA) specific mortality was calculated for significant underlying factors using fetuses-at risk approach. Results: We recorded a perinatal mortality rate of 6.1/1000 births among booked cases and 21.32/1000 births among referred cases. Fetal growth restriction was the most common antenatal condition, accounting to 33.3% of antepartum deaths. Prematurity accounted to 52% of neonatal deaths. Phase 2 delay with delayed referrals in severe pre-eclampsia and Phase 1 delay with late visit (> 24 h) to hospital after experiencing absent fetal movements were the most common identifiable delays. Hypertension stood out to be the single most common risk-factor. GA specific mortalities, calculated using fetuses-at risk approach, show a peak mortality rate at 30 weeks, 37 weeks and 38 weeks in pregnancies with early-onset preeclampsia, severe fetal growth restriction and medically treated gestational diabetes respectively. Conclusion: The audit identified significant contributing factors to the mortality. ICD-PM and 3-delay classification was simpler and easier to apply with wide areas of opportunities for secondary analysis.
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.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 | 0,000 |
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 découle