Informatics Interventions for Maternal Morbidity: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Women have been entering pregnancy less healthy than previous generations, placing them at increased risk for pregnancy complications. One approach to ensuring effective monitoring and treatment of at-risk women is designing technology-based interventions that prevent maternal morbidities and treat perinatal conditions. OBJECTIVE: This scoping review evaluates what informatics interventions have been designed and tested to prevent and treat maternal morbidity. METHODS: MEDLINE, Embase, and Cochrane Library were searched to identify relevant studies. The inclusion criteria were studies that tested a medical or clinical informatics intervention; enrolled adult women; and addressed preeclampsia, gestational diabetes mellitus (GDM), preterm birth, Centers for Disease Control and Prevention-defined severe maternal morbidity, or perinatal mental health conditions. Demographic, population, and intervention data were extracted to characterize the technologies, conditions, and populations addressed. RESULTS: A total of 80 studies were identified that met the inclusion criteria. Many of the studies tested for multiple conditions. Of these, 73% (60/82) of the technologies were tested for either GDM or perinatal mental health conditions, and 15% (12/82) were tested for preeclampsia. For technologies, 32% (28/87) of the technologies tested were smartphone or tablet applications, 26% (23/87) were telehealth interventions, and 14% (12/87) were remote monitoring technologies. Of the many outcomes measured by the studies, almost half (69/140, 49%) were patient physical or mental health outcomes. CONCLUSIONS: Per this scoping review, most informatics interventions address three conditions: GDM, preeclampsia, and mental health. There may be opportunities to treat other potentially lethal conditions like postpartum hemorrhage using proven technologies such as mobile apps. Ample gaps in the literature exist concerning the use of informatics technologies aimed at maternal morbidity. There may be opportunities to use informatics for lesser-targeted conditions and populations.
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 | 0,011 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».