Next‐Gen Midwifery Support: Designing an Artificial Intelligence ( <scp>AI</scp> ) Enhanced Mobile App for Pregnancy Risk Categorization and Clinical Decision Support on Maternal and Neonatal Outcomes
Notice bibliographique
Résumé
BACKGROUND: Limited medical professionals, particularly in rural community, impedes patient treatment. Rapid prenatal risk assessments are critical for improving pregnancy care under these resource constraints. OBJECTIVE: To develop and evaluate an innovative digital system that assists midwives in recognizing prenatal risks and in making clinical decisions in maternity hospitals, especially in rural healthcare setups. METHODS: The technology, which is based on a smartphone application, assesses pregnancy risks and offers potential delivery insights. Researchers used data gathering, firebase integration, and an artificial intelligence model to perform a pilot study in rural health setups. The modified Alberta perinatal risk score is used and validated. Midwives are trained in the app's use and screened 1010 pregnant women at a primary health centres (PHC). RESULTS: Prenatal mother's data is securely maintained in JSON format, allowing for predictive evaluations of outcomes and intrapartum factors. The AI processes data and generates predictions for the Flutter App. Pilot results show that the app is effective at classifying prenatal cases, with 37.33% classified as low risk, 37.82% as intermediate risk, and 24.85% as high risk. High-risk cases are referred to facility-based centers, and midwives collaborated with medical officers to manage 62.04% of moderate and all low-risk cases. The app efficiently records maternal and neonatal outcomes, demonstrating its potential to improve patient care with a 99.0% accuracy rate in forecasting newborn fatalities using the Gradient Boost algorithm. CONCLUSIONS: An integrated android application with the AI antenatal risk assessment system improves midwives' obstetric risk assessment skills, allowing them to provide timely interventions to pregnant women, thus contributing to positive birthing outcomes.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».