Maternal Deaths Using Coroner’s Data: A Latent Class Analysis
Notice bibliographique
Résumé
OBJECTIVE: Knowledge regarding the antecedent clinical and social factors associated with maternal death around the time of pregnancy is limited. This study identified distinct subgroups of maternal deaths using population-based coroner's data, and that may inform ongoing preventative initiatives. METHODS: A detailed review of coroner's death files was performed for all of Ontario, Canada, where there is a single reporting mechanism for maternal deaths. Deaths in pregnancy, or within 365 days thereafter, were identified within the Office of the Chief Coroner for Ontario database, 2004-2020. Variables related to the social and clinical circumstances surrounding the deaths were abstracted in a standardized manner from each death file, including demographics, forensic information, nature and cause of death, and antecedent health and health care factors. These variables were then entered into a latent class analysis (LCA) to identify distinct types of deaths. RESULTS: Among 273 deaths identified in the study period, LCA optimally identified three distinct subgroups, namely, (1) in-hospital deaths arising during birth or soon thereafter (52.7% of the sample); (2) accidents and unforeseen obstetric complications also resulting in infant demise (26.3%); and (3) out-of-hospital suicides occurring postpartum (21.0%). Physical injury (22.0%) was the leading cause of death, followed by hemorrhage (16.8%) and overdose (13.3%). CONCLUSION: Peri-pregnancy maternal deaths can be classified into three distinct sub-types, with somewhat differing causes. These findings may enhance clinical and policy development aimed at reducing pregnancy mortality.
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 | 0,022 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».