Improving Maternity Care in India’s Private Hospitals: Quality Certification? Yes, but More Is Needed
Notice bibliographique
Résumé
See related article by Marx Delaney et al.O ver the last decade, the focus in maternal and new- born health care has shifted from improving coverage of health care services toward ensuring that care provided through these services is of the best quality.Quality of care encompasses the provision of care as well as the experience of care. 1 Global standards for quality maternal and newborn care published by the World Health Organization 2 have been widely adopted by national governments.Many partnerships and networks have been formed to promote the quality-of-care agenda, particularly in low-and middle-income countries.3 Marx Delaney et al. report on a quality improvement initiative in private hospitals in India.4 Among the 24 million births in India every year, 94% of those in urban areas and 88% of those in rural areas take place in health care facilities.More women (65%) in rural areas than in urban areas (53%) give birth in public health care facilities.5 The remainder of institutional births take place in private hospitals, which are independently managed and less often subject to critical regulatory oversight.Manyata is a quality improvement and certification initiative offered by the Federation of Obstetric and Gynaecological Societies of India (FOGSI) for private facilities providing maternal care.6 FOGSI is an umbrella organization with more than 38,000 members spread through 263 societies across the country working mostly in private facilities.Manyata's vision is to "ensure all women have access to safer and respectful care during and after childbirth in India," and it aims to "improve quality of maternity and newborn care services in private facilities by training doctors, nursing and administrative staff on essential clinical, facility and patient care protocols."The Manyata initiative, which several national and international partners supported, was initially implemented in 3 states in India but is now being implemented in other states.It focuses on mentorship and clinical standards to improve health care providers' knowledge,
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,041 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».