Investigating the implementation of a Trial of Labour After Caesarean (TOLAC) delivery bundle with respect to decreasing caesarean delivery rates: a multisite quality improvement initiative
Notice bibliographique
Résumé
OBJECTIVES: To study the effect of implementing a Trial of Labour After Caesarean (TOLAC) delivery bundle with respect to decreasing caesarean delivery rates across five hospitals. DESIGN: Prospective quality improvement study. SETTING: Five Canadian hospital sites participated, two academic centres and three community hospitals, with annual delivery rates ranging from 2500 to 7500 per site. PARTICIPANTS: All obstetrical patients with a singleton gestation in cephalic presentation and only one previous caesarean delivery were included. INTERVENTIONS: A TOLAC bundle was introduced at each hospital site, consisting of three main interventions: (1) education for healthcare providers, (2) a TOLAC discussion sheet and (3) patient educational tools. PRIMARY AND SECONDARY OUTCOME MEASURES: The primary outcome was the caesarean delivery rate in eligible patients. Secondary outcomes included rates of trial of labour after caesarean delivery, vaginal birth after caesarean delivery and induction of labour. Balance measures included rates of uterine rupture and neonatal intensive care unit admission. Process measures included attendance at educational rounds, elements of the interventions identified in chart review and view counts for educational videos. RESULTS: The baseline caesarean delivery rate was 77% (1730 out of 2244 eligible patients). Following the introduction of the bundle, the caesarean delivery rate decreased to 71% (1497 out of 2097 eligible patients; 6% decrease, p<0.001). A significant increase in induction rate was noted from 5% preintervention to 9% postintervention (p<0.001). There was no increase in the uterine rupture or neonatal intensive care admission rates. CONCLUSION: This TOLAC bundle can decrease caesarean delivery rates without negatively impacting uterine rupture or neonatal intensive care admission rates. The interventions can be easily adapted for use in different hospitals and practice environments.
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 | 0,017 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».