The Incidence and Causes of Maternal Near Miss in a Pandemic at Georgetown Public Hospital Corporation
Notice bibliographique
Résumé
Objective: This article determines the incidence, causes and socio-demographics factors of Maternal Near Miss at GPHC from June 1, 2021 to December 31, 2021. Design and Method: A retrospective descriptive chart review was conducted during a seven-month period from June 1st, 2021 to December 31st, 2021 of all the pregnant patients who had suffered a Maternal Near Miss. A purposive sampling technique was employed in this study. Eligible patients were identified using a modified World Health Organization Maternal Near Miss criterion that Guyana has implemented. The data was collected and analyzed in an Excel format. Results: There were a total of 4636 admissions during the study period with 2984 live births and 32 maternal near misses which accounted for 0.7% of all births. The Maternal Near Miss incidence ratio was 10.7 MNM/LB which indicates that for every 1000 live births there were 11 maternal near misses. There was a total of 9 maternal deaths that occurred during the study period. The Maternal Near Miss to Mortality Ratio was 32:9, resulting in a proportion of 3.5 MNM per MD. The primary causes of maternal near misses in the patients in this study were: obstetric hemorrhage, hypertensive disorder, ectopic or abortion and infection. Anemia was the main secondary cause of maternal near misses and ICU admissions. Conclusion: The maternal near miss ratio in this research was slightly lower (10.7MNM/LB) than the study conducted at GPHC in 2019, which recorded a maternal near miss of 12.7 MNM/LB. There was an increase in obstetrical hemorrhage and a decrease in Hypertensive disorders which were main indications of MNM. This study discovered that for every maternal death, 4 mothers were saved whereas the 2019 study revealed 5 mothers were saved. It can be concluded that MNM rates remained stable during the pandemic compared to pre-pandemic period. Keywords: Maternal Near Miss, Pandemic, Georgetown Public Hospital Corporation, GPHC
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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 ».