Improved obstetric management after implementation of a scaled‐up quality improvement intervention: A nested before‐after study in three public hospitals in Nepal
Notice bibliographique
Résumé
BACKGROUND: We assessed the change in obstetric management after implementation of a quality improvement intervention, the Nepal Perinatal Quality Improvement Package (NePeriQIP). METHODS: The Nepal Perinatal Quality Improvement Package was a stepped-wedge cluster-randomized controlled trial conducted in 12 public hospitals in Nepal between April 2017 and October 2018. In this study, three hospitals allocated at different time points to the intervention were selected for a nested before-after analysis. We used bivariate and multivariate analyses to compare obstetric management in the control vs intervention group. RESULTS: There were 25 977 deliveries in the three hospitals during the study period: 10 207 (39%) in the control and 15 770 (61%) in the intervention group. After adjusting for maternal age, ethnicity, education, gestational age, stage of labor at admission, complications during labor, and birthweight, the intervention group had a higher proportion of fetal heart rate monitoring performed as per protocol (adjusted odds ratio [aOR] 1.19, 95% confidence interval [CI] 1.12-1.27), shorter time intervals between each fetal heart rate monitoring (aOR 2.09, 95% CI 1.96-2.23), a higher likelihood of abnormal fetal heart rate being detected (aOR 1.53, 95% CI 1.25-1.68), progress of labor more often being recorded immediately after per vaginal examination (aOR 2.73, 95% CI 2.55-2.93), and partograph filled as per standards (aOR 3.18, 95% CI 2.98-3.50). The cesarean birth rate was 2.5% in the control group and 8.2% in the intervention group (aOR 3.12, 95% CI 2.64-3.68). CONCLUSIONS: The NePeriQIP intervention has potential to improve obstetric care, especially intrapartum fetal surveillance, in similar low-resource settings.
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 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) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».