Burden, need, or backlog: A call for improved metrics for the global burden of surgical disease
Notice bibliographique
Résumé
The global burden of disease (GBD) has been measured primarily through the use of the DALY metric. Using this approach, preliminary estimates were that 11% of the GBD is surgical. However, prior work has questioned specific aspects of the GBD methodology as well as its practicality. This paper refines other conceptual approaches based on met and unmet population need for services by considering incident and prevalent need as well as backlogs for treatment that can inform effective coverage of services. Some of these methods are tested using the example of surgical repair of cleft lip and palate. Measurement of disability incurred by delays in care may also be estimated through these approaches and has not previously been estimated through a validated model. These concepts may provide more practical information for individuals and organizations to advocate for scaling up surgical programs. While many surgical conditions are unique, as a single intervention can lead to cure, these concepts may also prove useful for non-surgical diseases. Further exploration of these approaches is merited in resource-limited settings.
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 | 0,019 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,012 | 0,015 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,021 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».