Bibliographic record
Abstract
Minder overlijden door zwangerschap: kloof tussen theorie en praktijk Wereldwijd overlijden jaarlijks zo’n 350.000 vrouwen als gevolg van zwangerschap en bevalling. De meeste van deze vrouwen wonen in arme landen. De belangrijkste oorzaken van de sterfte zijn onveilige abortus, infectie, hoge bloeddruk, hevig bloedverlies en een vastgelopen bevalling. Deze problemen zijn op papier eenvoudig te verhelpen. Maar de praktijk is weerbarstig, zo blijkt uit het promotieonderzoek van Luc van Lonkhuijzen In zijn proefschrift beschrijft hij onder meer een ‘maternity waiting home’, een plek bij het ziekenhuis waar vrouwen aan het eind van de zwangerschap kunnen verblijven zodat ze dichtbij zijn wanneer de bevalling begint. Dit kan een goede oplossing bieden. Toch blijken er vaak nog tal van obstakels te zijn, die vrouwen verhinderen van deze mogelijkheid gebruik te maken. In Malawi had het invoeren van een protocol en een checklist voor de behandeling van eclampsie een positief effect op de kwaliteit van zorg, zo blijkt verder uit het onderzoek. Training van zorgverleners in arme landen vergroot hun kennis wel, stelt van Lonkhuijzen vast, maar of dit ook leidt tot een verandering van gedrag en tot een verbetering van uitkomsten voor moeder en kind, is onduidelijk. In Nederland kan het invoeren van video-evaluatie op de verloskamers wellicht bijdragen aan de kwaliteit van de zorg. Zorgverleners en zwangeren blijken hier positief tegenover te staan. Luc van Lonkhuijzen (Rotterdam, 1970) studeerde geneeskunde te Leiden en werkte vier jaar in Afrika. Hij verrichtte zijn onderzoek aan de afdeling Obstetrie en Gynaecologie van het Universitair Medisch Centrum Groningen (UMCG) en binnen onderzoeksschool SHARE. Hij is thans werkzaam als fellow gynaecologische oncologie aan de universiteit van Toronto, Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".