Hospital-Based Severe Maternal Morbidity Surveillance and Review: A Strategy for Improving Maternity Care in Maryland.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
BACKGROUND: Learning from promising maternal health interventions is limited by the lack of standardized outcome measures needed for their evaluation. We describe the development and utilization of Maryland's severe maternal morbidity (SMM) surveillance by the Maryland Maternal Health Innovation (MDMOM) program. METHODS: To ascertain the development, attributes, and data collected by SMM surveillance, we use 2020-2024 MDMOM program records and 2023 surveillance data. Hospital reports and MDMOM's 2023 maternal health care provider survey data are used to document policy and practice changes attributable to participation in SMM surveillance. Data collected from MDMOM's "Learning from Adverse Events in Maryland" trainees are analyzed to explore knowledge score changes (Wilcoxon signed-rank test) and training satisfaction. RESULTS: SMM surveillance is a simple, flexible, stable, high-quality system for identifying areas of care in need of improvement. Before October 2024, when state legislation mandated all hospitals to participate, 24 of 32 hospitals (80% of the state's annual deliveries) engaged in SMM surveillance. The data are used to assess SMM levels and contributors, disparities (eg, intensity of care practices and outcome differences between patient groups), and preventability. Knowledge scores improved after the training on SMM surveillance findings (P<0.001). Data can be used for quality improvement and to generate PCOR hypotheses. CONCLUSIONS: Maryland established hospital-based SMM surveillance, demonstrated its value, and gained legislative support for statewide scale-up. This model surveillance system can be replicated in other states, aiming to better understand and address SMM and SMM disparities.
نتیجه فارسی
مریلند یک سیستم نظارتی مبتنی بر بیمارستان برای مختصات شدید حوادث مادرانه (SMM) ایجاد کرد که به ارزیابی و بهبود مراقبتهای مادرزاد کمک میکند. این سیستم شامل ۲۴ بیمارستان است که ۸۰٪ از زایمانهای سالانه ایالت را پوشش میدهند. دادهها برای شناسایی نابرابریها و عوامل موثر SMM استفاده میشوند. آموزشهای مرتبط با این سیستم منجر به بهبود امتیازات دانش شد.
- نظارت SMM یک سیستم ساده، انعطافپذیر و با کیفیت بالا برای شناسایی مناطقی از مراقبت است که نیاز به بهبود دارند.
- قبل از اکتبر 2024، ۲۴ از ۳۲ بیمارستان (۸۰٪ از زایمانهای سالانه) در این نظارت مشارکت کردند.
- دادهها برای ارزیابی سطوح SMM، نابرابریها و قابلیت پیشگیری استفاده میشوند.
- امتیازات دانش پس از آموزش یافتههای نظارت SMM بهبود یافت (P<0.001).
ترجمه فارسی چکیده
پیشینه: محدودیت در یادگیری از مداخلات موفق سلامت مادر ناشی از نبود معیارهای استاندارد برای ارزیابی است. هدف: توصیف توسعه و استفاده از نظارت بر مختصات شدید حوادث مادرانه (SMM) در مریلند توسط برنامه نوآوری سلامت مادر مریلند (MDMOM). روشها: برای دستیابی به توسعه، ویژگیها و دادههای جمعآوری شده توسط نظارت SMM، از سوابق برنامه MDMOM سالهای 2020-2024 و دادههای نظارت 2023 استفاده شد. گزارشهای بیمارستانی و دادههای نظرسنجی ارائهدهندگان مراقبت سلامت مادر 2023 MDMOM برای مستندسازی تغییرات سیاستی و عملیاتی ناشی از مشارکت در نظارت SMM استفاده شدند. دادههای جمعآوری شده از تمرینکنندگان «یادگیری از رویدادهای نامطلوب در مریلند» MDMOM برای بررسی تغییرات امتیاز دانش (آزمون رتبهبندی ویلکاکسون) و رضایت آموزشی تحلیل شدند. نتایج: نظارت SMM یک سیستم ساده، انعطافپذیر، پایدار و با کیفیت بالا برای شناسایی مناطقی از مراقبت است که نیاز به بهبود دارند. قبل از اکتبر 2024، زمانی که قانون ایالتی مشارکت تمام بیمارستانها را اجباری کرد، ۲۴ از ۳۲ بیمارستان (۸۰٪ از زایمانهای سالانه ایالت) در نظارت SMM مشارکت کردند. دادهها برای ارزیابی سطوح و عوامل موثر SMM، نابرابریها (مانند شدت شیوههای مراقبت و تفاوتهای نتیجه بین گروههای بیماران) و قابلیت پیشگیری استفاده میشوند. امتیازات دانش پس از آموزش یافتههای نظارت SMM بهبود یافت (P<0.001). دادهها میتوانند برای بهبود کیفیت و تولید فرضیههای PCOR استفاده شوند. نتیجهگیری: مریلند نظارت بر SMM مبتنی بر بیمارستان را ایجاد کرد، ارزش آن را نشان داد و حمایت قانونی برای گسترش در سطح ایالت به دست آورد. این مدل سیستم نظارتی میتواند در سایر ایالتها تکرار شود تا به درک بهتر و پاسخگویی به SMM و نابرابریهای آن کمک کند.
روش پژوهش
از سوابق برنامه MDMOM سالهای 2020-2024 و دادههای نظارت 2023 برای دستیابی به ویژگیها و دادههای نظارت SMM استفاده شد. گزارشهای بیمارستانی و دادههای نظرسنجی ارائهدهندگان مراقبت سلامت مادر 2023 برای مستندسازی تغییرات سیاستی و عملیاتی استفاده شدند. دادههای تمرینکنندگان MDMOM برای بررسی تغییرات امتیاز دانش (آزمون رتبهبندی ویلکاکسون) و رضایت آموزشی تحلیل شدند.
محدودیتها
محدودیتها در متن گزارش نشدهاند.
نمای PICO و پیامدها
- جمعیت
- زنان باردار و مادران در مریلند.
- مداخله/مواجهه
- نظارت بر مختصات شدید حوادث مادرانه (SMM) مبتنی بر بیمارستان.
- مقایسه
- مشارکت در نظارت SMM در مقایسه با عدم مشارکت.
- حجم نمونه
- ۲۴ از ۳۲ بیمارستان (۸۰٪ از زایمانهای سالانه ایالت) و دادههای تمرینکنندگان MDMOM.
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل