Prevalence of Surgical Conditions in Individuals Aged More Than 50 Years: A Cluster‐Based Household Survey in Sierra Leone
Notice bibliographique
Résumé
BACKGROUND: With the demographic transition disproportionately affecting developing nations, the healthcare burden associated with the elderly is likely to be compounded by poor baseline surgical capacity in these settings. We sought to assess the prevalence of surgical disease and disability in the elderly population of Sierra Leone to guide future development strategies. METHODS: A cluster randomized, cross-sectional household survey was carried out countrywide in Sierra Leone from January 9th to February 3rd 2012. Using a standardized questionnaire, household member demographics, deaths occurring during the previous 12 months, and presence of any current surgical condition were elucidated. A retrospective analysis of individuals aged 50 and over was performed. RESULTS: The survey included 1,843 households with a total of 3,645 respondents. Of these, 13.6 % (496/3,645) were aged over 50 years. Of the elderly individuals in our sample, 301 (60.7 %) reported a current surgical condition. Of current surgical disease identified among elderly individuals (n = 530), 349 (65.8 %) described it as disabling, and 223 (42.1 %) sought help from traditional medicine practitioners. Women (odds ratio [OR] 0.60; 95 % confidence interval [CI] 0.40-0.90) and individuals living in urban settings (OR 0.44, 95 % CI 0.26-0.75) were less likely to report a current surgical problem. Of the 230 elderly deaths in the previous year, 83 (36.1 %) reported a surgical condition in the week prior. CONCLUSIONS: The unmet burden of surgical disease is prevalent in the elderly in low-resource settings. This patient population is expected to grow significantly in the coming years, and more resources should be allocated to address their surgical needs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».