We aimed to review Semmelweis’s complete work on puerperal sepsis mortality in maternity wards in relation to exposure to cadavers and chlorine handwashing and other factors from the perspective of modern epidemiological methods. We reviewed Semmelweis' complete work and data as published by von Györy 1905 according to current standards. We paid particular attention to Semmelweis's definition of mortality in and of itself, to concepts of modern epidemiology that were already recognizable in Semmelweis's work, and to bias sources. We did several quantitative bias analyses to address selection bias and information bias from outcome measurement error. Semmelweis addressed biases that have become known to modern epidemiology, such as confounding, selection bias and bias from outcome misclassification. Our bias analysis shows that differential loss to follow-up is an unlikely explanation for his results. Bias due to outcome misclassification would only be relevant if misclassification differed between time periods. Confounding by health status was likely but could not be quantitatively addressed. Semmelweis was aware that cause-specific mortality is a function of incidence and prognosis. He reasoned in potential outcome terms to estimate the reduced number of deaths from an intervention. He advanced a hypothesis of clinic overcrowding as a risk factor for puerperal sepsis mortality that turns out to be wrong. Semmelweis’ data provide a great pool for illustrating the logic of scientific discovery by use of the numerical method. The explanatory power of his work was strong and Semmelweis was able to refute several previous causal explanations.

我们旨在从现代流行病学方法的角度回顾 Semmelweis 关于产褥期脓毒症死亡率与尸体暴露和氯洗手等因素有关的完整工作。我们根据现行标准审查了 von Györy 1905 年发表的 Semmelweis 的完整工作和数据。我们特别关注了 Semmelweis 对死亡率本身的定义、在 Semmelweis 的工作中已经可以识别的现代流行病学概念以及偏见来源。我们进行了几次定量偏差分析，以解决来自结果测量误差的选择偏差和信息偏差。Semmelweis 解决了现代流行病学已知的偏见，例如混杂、选择偏见和结果错误分类的偏见。我们的偏差分析表明，差异性失访不太可能解释他的结果。仅当错误分类在时间段之间不同时，结果错误分类导致的偏差才有意义。健康状况可能造成混淆，但无法定量解决。Semmelweis 意识到特定原因的死亡率是发病率和预后的函数。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。仅当错误分类在时间段之间不同时，结果错误分类导致的偏差才有意义。健康状况可能造成混淆，但无法定量解决。Semmelweis 意识到特定原因的死亡率是发病率和预后的函数。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。仅当错误分类在时间段之间不同时，结果错误分类导致的偏差才有意义。健康状况可能造成混淆，但无法定量解决。Semmelweis 意识到特定原因的死亡率是发病率和预后的函数。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。健康状况可能造成混淆，但无法定量解决。Semmelweis 意识到特定原因的死亡率是发病率和预后的函数。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。健康状况可能造成混淆，但无法定量解决。Semmelweis 意识到特定原因的死亡率是发病率和预后的函数。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。他以潜在的结果术语进行推理，以估计干预导致的死亡人数减少。他提出了一个假设，即诊所过度拥挤是产褥脓毒症死亡率的危险因素，但事实证明这是错误的。Semmelweis 的数据为使用数值方法说明科学发现的逻辑提供了一个很好的资源库。他的工作解释力很强，塞梅尔维斯能够反驳之前的几个因果解释。