Identification and mitigation of high-risk pregnancy with the Community Maternal Danger Score Mobile Application in Gboko, Nigeria
Notice bibliographique
Résumé
INTRODUCTION: Risk analyses within rural regions of Nigeria are not routinely conducted, yet could help inform access to skilled birth care. The objective of this study was to assess and compare the proportion of pregnant women at risk for maternal mortality or morbidity in Benue State, Nigeria by analysing data collected during routine antenatal visits and through the Community Maternal Danger Score (CMDS), a validated risk-analysis tool. METHODS: Two cohorts, comprised of pregnant women presenting to primary healthcare centres within Gboko, Benue State between 2015-2017 and 2020-2021, were included in this study. The 2015-2017 cohort had their risk assessed retrospectively through analysis of routinely collected data. Identification of risk was based on their age, parity, and disease status (HIV and diabetes). The 2020-2021 cohort had their risk assessed prospectively using the CMDS. RESULTS: Routinely collected data from 2015-2017 demonstrated that up to 14.9% of women in Gboko were at risk for mortality or morbidity. The CMDS reported that up to 21.5% of women were at a similar level of risk; a significant difference of 6.6% (p = 0.006). The CMDS was more efficient in obtaining and assessing this data, and the identification of risk occurred in real-time. CONCLUSION: Routine data collected in Gboko identifies a high proportion of pregnant women at risk for mortality or morbidity. The CMDS is an evidence-based risk analysis tool that expands on this assessment by also estimating individual and community-level risk, which allows for more efficient mitigation and prevention strategies of maternal mortality.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».