Use of the International Classification of Diseases to Perinatal Mortality (ICD-PM) with verbal autopsy to determine the causes of stillbirths and neonatal deaths in rural Cambodia: a population-based, prospective, cohort study
Notice bibliographique
Résumé
Abstract Background Perinatal mortality remains a significant global health challenge, particularly in low- and middle-income countries (LMICs). Accurate cause-of-death data are essential to inform effective interventions but is often scarce. This study aimed to identify causes of stillbirths and neonatal deaths in rural Cambodia using verbal autopsy (VA) and the WHO International Classification of Diseases to Perinatal Mortality (ICD-PM). Methods A four-year prospective study (2018-2022) in Preah Vihear province, Cambodia, established a community health worker-based pregnancy surveillance system. Verbal autopsy was conducted on stillbirths and neonatal deaths, with dual physician analysis to interpret VA data. To classify causes of death, ICD-PM was applied with adaptations made for stillbirths with unknown timing of death. Results A total of 522 deaths (229 stillbirths, 293 neonatal deaths) were recorded, and 79.1% (413) had a VA. Applying ICD-PM, primary causes of death were identified for 36.6% of stillbirths and 95.0% of neonatal deaths. The leading cause of death was hypoxia for intrapartum stillbirths (78.3%), low birth weight and prematurity for early neonatal deaths (40.9%), and infection for late neonatal deaths (51.4%). Complications during labour and delivery were the leading maternal contributing condition for intrapartum stillbirths (63.3%) and early neonatal deaths (42.4%). Unknown timing of death was assigned to 12.0% of stillbirths. Conclusion Application of ICD-PM with VA-derived data provides valuable insights into causes of stillbirths and neonatal deaths. However, adaptations are necessary to address ICD-PM’s limitations, particularly to classify unknown timing of death. Our findings can contribute to global efforts to improve the reporting of perinatal mortality data.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».