Feasibility of establishing a Canadian Obstetric Survey System (CanOSS) for severe maternal morbidity: results of a nationwide survey
Notice bibliographique
Résumé
Objective: Obtaining data on events, processes, and circumstances leading to severe maternal morbidity (SMM) could enable targeted interventions to improve care. We aimed to assess the feasibility of gathering such data from across Canada through an Obstetric Survey System (CanOSS). Study design: A nationwide survey. Methods: We administered the electronic survey in French or English to birthing unit leads across all Canadian provinces and territories using REDCap. We presented pooled participation rates (95 % confidence intervals [CI]) across birthing units from lowest, medium, and highest tiers of service using Freeman-Tukey double arcsine transformations and common-effect models. Results: Of the 289 birthing units across Canada, 167 (57.8 %) participated in the survey. Pooled participation rates per province and territory stratified by highest, medium, and lowest tiers of service were 91.5 % (95 % CI [73.4, 100]), 58.6 % (95 % CI [48.5, 68.6]), and 54.4 % (95 % CI [41.7, 66.3]), respectively. Units reported postpartum hemorrhage (82.5 %), hypertensive disorders (65.7 %), infections (35.0 %), venous thromboembolism (16.0 %), and maternal birth injuries (15.4 %) as the leading causes of SMM. Most birthing units (80.3 %) had a system in place for reviewing SMM events. Although most review systems involved multidisciplinary expert panels with representation from birthing unit leads (82.0 %), nursing (78.0 %), and obstetrics (73.7 %), specialties, such as obstetric anaesthesia (42.4 %), midwifery (41.5 %), and internal medicine (16.9 %), were underrepresented. Lessons learned were rarely shared outside the hospital and never shared beyond regional health authorities. Importantly, 76.2 % of respondents were willing to contribute anonymized SMM data within a centralized reporting system. Conclusions: Most responding Canadian birthing units have a process in place to review SMM and would be willing to share anonymized data as part of a centralized initiative, thereby demonstrating the feasibility of leveraging existing infrastructures to establish CanOSS.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».