Capturing the Context of Maternal Deaths from Verbal Autopsies: A Reliability Study of the Maternal Data Extraction Tool (M-DET)
Notice bibliographique
Résumé
Background The availability of quality data to inform policy is essential to reduce maternal deaths. To characterize maternal deaths in settings without complete vital registration systems, we designed and assessed the inter-rater reliability of a tool to systematically extract data and characterize the events that precede a nationally representative sample of maternal deaths in India. Method/Principal Findings Of 1017 nationally representative pregnancy-related deaths, which occurred between 2001 and 2003, we randomly selected 105 reports. Two independent coders used the maternal data extraction tool (questions with coding guidelines) to collect information on antenatal care access, final pregnancy outcome; planned place of birth and care provider; community consultation, transport, admission, hospital referral; and verification of cause of death assignment. Kappa estimated inter-rater agreement was calculated and classified as poor (K≤0.4), moderate (K = 0.4-≤0.6), substantial (K = 0.6-≤0.8) and high (K>0.8) using the criteria from Landis & Koch. The data extraction tool had high agreement for gestational age, pregnancy outcome, transport, death en route and admission to hospital; substantial agreement for receipt of antenatal care, planned place of birth, readmission and referral to higher level hospital, and whether or not death occurred in the intrapartum period; moderate to substantial agreement for classification of deaths as direct or indirect obstetric deaths or incidental deaths; moderate agreement for classification of community healthcare consultation and total number of healthcare contacts; and poor agreement for the classification of deaths as sudden deaths and other/unknown cause of death. The ability of the tool to identify the most-responsible-person in labour varied from moderate agreement to high agreement. Conclusions This data extraction tool achieved good inter-rater reliability and can be used to collect data on events surrounding maternal deaths and for verification/improvement of underlying cause of death.
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 | 0,192 | 0,370 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 ».