Maternal and perinatal mortality by place of delivery in sub-Saharan Africa: a meta-analysis of population-based cohort studies
Notice bibliographique
Résumé
Facility-based delivery has gained traction as a key strategy for reducing maternal and perinatal mortality in developing countries. However, robust evidence of impact of place of delivery on maternal and perinatal mortality is lacking. We aimed to estimate the risk of maternal and perinatal mortality by place of delivery in sub-Saharan Africa. We conducted a systematic review of population-based cohort studies reporting on risk of maternal or perinatal mortality at the individual level by place of delivery in sub-Saharan Africa. Newcastle-Ottawa Scale was used to assess study quality. Outcomes were summarized in pooled analyses using fixed and random effects models. We calculated attributable risk percentage reduction in mortality to estimate exposure effect. We report mortality ratios, crude odds ratios and associated 95% confidence intervals. We found 9 population-based cohort studies: 6 reporting on perinatal and 3 on maternal mortality. The mean study quality score was 10 out of 15 points. Control for confounders varied between the studies. A total of 36,772 pregnancy episodes were included in the analyses. Overall, perinatal mortality is 21% higher for home compared to facility-based deliveries, but the difference is only significant when produced with a fixed effects model (OR 1.21, 95% CI: 1.02-1.46) and not when produced by a random effects model (OR 1.21, 95% CI: 0.79-1.84). Under best settings, up to 14 perinatal deaths might be averted per 1000 births if the women delivered at facilities instead of homes. We found significantly increased risk of maternal mortality for facility-based compared to home deliveries (OR 2.29, 95% CI: 1.58-3.31), precluding estimates of attributable risk fraction. Evaluating the impact of facility-based delivery strategy on maternal and perinatal mortality using population-based studies is complicated by selection bias and poor control of confounders. Studies that pool data at an individual level may overcome some of these problems and provide better estimates of relative effectiveness of place of delivery in the region.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».