A Systematic Review of Severe Maternal Morbidity in High-Income Countries
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
With declining maternal mortality rates in high-income countries (HICs), severe maternal morbidity (SMM) is becoming an important quality measure of maternal care. However, there is no international consensus on the definition and types of SMM. This study aims to critically analyze published literature on SMM in HICs. The objectives are to compare definitions and criteria used to identify SMM and identify the main causes and risk factors contributing to SMM in HICs. PubMed, Cumulative Index to Nursing and Allied Health Literature (CINAHL), and Scopus databases were searched for articles published between 2010 and 2022, results were filtered, and 10 studies were critically appraised. Six of the articles discussed SMM identification criteria and proposed definition modifications. Longer hospital stays and admission to the intensive care unit (ICU) were suggested as additional criteria. Disease-based criteria were shown to be superior to organ dysfunction criteria. Seven articles detailed common types of SMM as severe hemorrhage, hypertensive disorders, and preeclampsia/eclampsia. Six articles described SMM risk factors, of which advanced maternal age and cesarean delivery were the most common. This literature review identified disease-based criteria and Canadian study criteria as promising measures of SMM. It also identified several causes and risk factors of SMM common between HICs. These findings can help physicians identify women at risk of SMM. The study is however limited to eight HICs and 10 studies. Further research should aim to investigate how these criteria compare with previous sources of criteria and discern the association of weight and race risk factors with SMM.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle