Implementation strategies and outcomes of intravenous iron use for treatment of anaemia during and after pregnancy in LMICs: a scoping review
Notice bibliographique
Résumé
Abstract Background There is sufficient evidence of the efficacy of Intravenous (IV) over oral iron in treating anaemia in pregnancy and the postpartum. However, poor implementation can lead to little or no benefit. The objectives of this scoping review are to map and synthesise evidence related to implementation strategies and implementation outcomes of IV iron use for treating anaemia in pregnancy and the postpartum in low- and middle-income countries (LMICs). Methods This scoping review was conducted in accordance with the Joanna Briggs Institute’s methodology for conducting scoping reviews. Electronic databases were searched to identify relevant literature sources published up until June 2025. Two independent reviewers conducted screening using the Covidence software. Descriptive statistics was used to synthesise data and findings were reported narratively. Synthesis of implementation strategies was guided by the Expert Recommendations for Implementing Change compilation. Results Our search yielded 4,589 publications, 20 were included in the review. Ten studies used implementation strategies, mostly “assessment for readiness and identification of barriers and facilitators” (40%; 4/10) and “promotion of adaptability” (30%; 3/10). Fourteen studies mentioned the assessment of implementation outcomes; most assessed were acceptability (42.9%; 6/14) and fidelity (35.7%; 5/14). Only five studies used any theory, model, framework (TMF) or validated measures in the implementation of strategies or assessment of outcomes. Conclusion There is limited implementation research on the use of IV iron for the treatment of anaemia in pregnancy and the postpartum in LMICs. Critically, the use of TMFs and validated measures are deficient in current sources of evidence. More rigorous assessments of the implementation of IV iron for obstetric anaemia in LMICs are required to guide practice, policy and uptake.
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 | 0,036 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,015 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».