ANALYSIS OF CAESAREAN SECTION RATES USING THE ROBSON’S TEN GROUP CLASSIFICATION SYSTEM (TGCS) AT TERTIARY LEVEL HEALTHCARE FACILITIES IN RAWALPINDI, PAKISTAN: A CROSS-SECTIONAL STUDY
Notice bibliographique
Résumé
Background: Robson’s Ten Group Classification System (TGCS) is recommended as a global standard for assessing, monitoring, and comparing Cesarean Section rates at all levels. This study was conducted to audit CS deliveries using the Robson TGCS to understand the current CS practices and analyze the groups of women who are mainly contributing to the rising rates of CS in Pakistan. Methods: A cross-sectional study was conducted in three tertiary care hospitals in Rawalpindi, Pakistan. All women who gave birth in these health facilities between, June to August 2019, were included in the study. Data were collected using a standardized proforma and analyzed using Robson guidelines to calculate each group’s relative size, group-specific CS rate, and relative and absolute group contributions toward overall Caesarean section rates. Results: A total of 5,657 deliveries were analyzed. Out of these, 2255 (40%) were Cesarean sections. Women in Group 3 made the largest contribution to the obstetric population accounting for 26.3% of all deliveries. The largest contributors to the overall CS rate were Group 5 (41.7 %), Group 10 (17.3%), and Group 2 (12.7%). Conclusion: A CS rate of 39.9% was reported, which is much higher than the WHO recommended optimal rate of CS. Group 5 (previous CS) was found to be the largest contributor to the overall CS rates followed by Group 10. This study provides a model for institutionalizing RTGCS and should be replicated in other districts of Pakistan.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».