Current approach and attitudes toward neonatal near‐miss and perinatal audits: An exploratory international survey
Notice bibliographique
Résumé
BACKGROUND: Combined with perinatal mortality review, neonatal near-miss (NNM) audit has the potential to inform strategies to better prevent adverse perinatal outcomes. Nonetheless, there is lack of standardised definitions of NNM and limited evidence of implementation of NNM audits. AIM: To describe definitions of NNM and assess current approaches and attitudes toward perinatal mortality and morbidity audit. MATERIALS AND METHODS: Online survey from December 2021 to February 2022, with a mix of Likert scales, polar, pool, multi-choice, and open-ended questions, disseminated through national and international organisations to perinatal healthcare workers from high-income countries. RESULTS: One hundred and twenty participants came from Australia (n = 86), New Zealand (n = 18), Canada (n = 7), USA (n = 4), Netherlands (n = 2), other countries (n = 3). Neonatologists (35%), midwives (21.7%), obstetricians (12.5%), neonatal nurse practitioners (11.7%) and others (23.3%) responded. Most respondents thought the main characteristics to define NNM were birth asphyxia needing therapeutic hypothermia (68.3%), unexpected resuscitation at birth (67.5%), need for intubation/chest compression/adrenaline (65.0%) and metabolic acidosis at birth (60.0%). There were 97.5% of participants who considered NNM important for identifying cases for perinatal morbidity audits. However, only 10.0% of their institutions used a NNM definition. Overall, 98.4% of participants considered perinatal mortality and morbidity audits important to prevent adverse outcomes. CONCLUSION: Neonatal near-miss audit is viewed as a valuable tool to reduce adverse neonatal outcomes. There was reasonable consensus that NNM encompassed evidence of birth asphyxia and/or advanced neonatal resuscitation. Data from this international survey identifies a starting point for a consensus definition of NNM, which can be used for perinatal audits to identify opportunities for improvement.
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 | 0,010 | 0,022 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».