A prospective key informant surveillance system to measure maternal morality - findings from indigenous populations in Jharkhand and Orissa, India.
Notice bibliographique
Résumé
Background: In places with poor vital registration, measurement of maternal mortality and monitoring the impact of interventions on maternal mortality is difficult and seldom undertaken. Mortality ratios are often estimated and policy decisions made without robust evidence. This paper presents a prospective key informant system to measure maternal mortality and the initial findings from the system. Methods: In a population of 228 186, key informants identified all births and deaths to women of reproductive age, prospectively, over a period of 110 weeks. After birth verification, interviewers visited households six to eight weeks after delivery to collect information on the ante-partum, intra-partum and post-partum periods, as well as birth outcomes. For all deaths to women of reproductive age they ascertained whether they could be classified as maternal, pregnancy related or late maternal and if so, verbal autopsies were conducted. Results: 13 602 births were identified, with a crude birth rate of 28.2 per 1000 population (C.I. 27.7–28.6) and a maternal mortality ratio of 722 per 100 000 live births (C.I. 591–882) recorded. Maternal deaths comprised 29% of all deaths to women aged 15–49. Approximately a quarter of maternal deaths occurred ante-partum, a half intra-partum and a quarter post-partum. Haemorrhage was the commonest cause of all maternal deaths (25%), but causation varied between the ante-partum, intra-partum and post-partum periods. The cost of operating the surveillance system was US$386 a month, or US$0.02 per capita per year. Conclusion: This low cost key informant surveillance system produced high, but plausible birth and death rates in this remote population in India. This method could be used to monitor trends in maternal mortality and to test the impact of interventions in large populations with poor vital registration and thus assist policy makers in making evidence-based decisions.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».