FIGO recommendations on the management of postpartum hemorrhage 2022
Bibliographic record
Abstract
OBJETIVO E ESCOPO: O objetivo deste documento é atualizar conceitos-chave no tratamento da hemorragia pós-parto (HPP) e fornecer ferramentas claras e precisas ao pessoal de saúde em países de baixa e média renda (PRMB) para realizar tratamentos baseados em evidências, com o objectivo de reduzir a morbilidade e mortalidade materna relacionadas. PÚBLICO-ALVO: Ginecologistas, obstetras, parteiras, enfermeiras, clínicos gerais e demais profissionais de saúde responsáveis pelo atendimento de gestantes com HPP. MÉTODOS: As recomendações foram desenvolvidas como uma síntese e atualização de evidências da literatura. Baseiam-se nas diretrizes do Comitê de Maternidade Segura e Saúde Neonatal da FIGO (SMNH), publicadas em 2021, e incluem pesquisas e diretrizes de consenso. Para o presente documento, foi realizada uma revisão bibliográfica e foram identificados estudos de países de baixa e média renda e de todas as regiões usando os motores de busca PubMed, Medline, Embase, Science Direct e Google Scholar. De acordo com a abordagem GRADE (Grading of Recommendations Assessment, Development and Evaluation), esta atualização não gera um nível universal de evidência. Contudo, cada seção e as conclusões e recomendações geradas utilizam os graus de evidência que foram identificados na revisão bibliográfica.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.014 | 0.048 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.008 |
| Bibliometrics | 0.011 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.008 | 0.004 |
| Research integrity | 0.015 | 0.007 |
| Insufficient payload (model declined to judge) | 0.041 | 0.029 |
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 source (direct Gemma or distilled Codex), 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".