Severe maternal morbidity surveillance, temporal trends and regional variation: A population‐based cohort study
Notice bibliographique
Résumé
OBJECTIVE: To quantify temporal trends and regional variation in severe maternal morbidity (SMM) in Sweden. DESIGN: Cohort study. POPULATION: Live birth and stillbirth deliveries in Sweden, 1999-2019. METHODS: Types and subtypes of SMM were identified, based on a standard list (modified for Swedish clinical setting after considering the frequency and validity of each indicator) using diagnoses and procedure codes, among all deliveries at ≥22 weeks of gestation (including complications within 42 days of delivery). Contrasts between regions were quantified using rate ratios (RRs) and 95% confidence intervals (95% CIs). Temporal changes in SMM types and subtypes were described. MAIN OUTCOME MEASURES: Types and subtypes of SMM. RESULTS: There were 59 789 SMM cases among 2 212 576 deliveries, corresponding to 270.2 (95% CI 268.1-272.4) per 10 000 deliveries. Composite SMM rates increased from 236.6 per 10 000 deliveries in 1999 to 307.3 per 10 000 deliveries in 2006, before declining to 253.8 per 10 000 deliveries in 2019. Changes in composite SMM corresponded with temporal changes in severe haemorrhage rates, which increased from 94.9 per 10 000 deliveries in 1999 to 169.3 per 10 000 deliveries in 2006, before declining to 111.2 per 10 000 deliveries in 2019. Severe pre-eclampsia, eclampsia and HELLP (haemolysis, elevated liver enzymes and low platelet count) syndrome (103.8 per 10 000 deliveries), severe haemorrhage (133.7 per 10 000 deliveries), sepsis, embolism, disseminated intravascular coagulation, shock and severe mental health disorders were the most common SMM types. Rates of embolism, disseminated intravascular coagulation and shock, acute renal failure, cardiac complications, sepsis and assisted ventilation increased, whereas rates of surgical complications, severe uterine rupture and anaesthesia complications declined. CONCLUSIONS: The observed spatiotemporal variations in composite SMM and SMM types provide substantive insights and highlight regional priorities for improving maternal health.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».