A Square Peg in a Round Hole? Challenges with DALY‐based “Burden of Disease” Calculations in Surgery and a Call for Alternative Metrics
Notice bibliographique
Résumé
INTRODUCTION: In recent years, surgical providers and advocates have engaged in a growing effort to establish metrics to estimate capacity for surgical services as well the burden of surgical diseases in resource-limited settings. The burden of disease (BoD) studies have established the disability-adjusted life year (DALY) as the primary metric to measure both disability and premature mortality. Nonetheless, DALY-based approaches present methodological challenges, some of which are unique to surgical conditions, not fully addressed through the multiple iterations of the BoD studies, including the most recent study. METHODS AND RESULTS: This paper examines these challenges in detail, including issues around age-weighting and discounting, and estimates of disability-weights for specific conditions. Surgical burden measurements of specific conditions, or through the assessment of hospital wards as platforms for service delivery, still have unresolved methodological hurdles. The 2010 BoD study addresses some of these issues, but many questions still remain. Other methods estimating surgical prevalence, backlogs in treatment, and disability incurred by delays in care may provide more practical approaches to disease burden that can be useful tools for clinicians and health advocates. CONCLUSIONS: These approaches warrant further exploration in LMICs and these debates require active engagement by surgical providers and advocates globally.
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 | 0,211 | 0,379 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,016 | 0,025 |
| Science ouverte | 0,008 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».