Costs and Cost‐Effectiveness of Pediatric Inguinal Hernia Repair in Uganda
Notice bibliographique
Résumé
BACKGROUND: Surgically treatable diseases contribute approximately 11% of disability-adjusted life years (DALYs) worldwide yet they remain a neglected public health priority in low- and middle-income countries (LMICs). Pediatric inguinal hernia is the most common congenital abnormality in newborns and a major cause of morbidity and mortality yet elective repair remains largely unavailable in LMICs. This study is aimed to determine the costs and cost-effectiveness of pediatric inguinal hernia repair (PIHR) in a low-resource setting. METHODS: Medical costs of consecutive elective PIHRs were recorded prospectively at two centers in Uganda. Decision modeling was used to compare two different treatment scenarios (adoption of PIHR and non-adoption) from a provider perspective. A Markov model was constructed to estimate health outcomes under each scenario. The robustness of the cost-effectiveness results in the base case analysis was tested in one-way and probabilistic sensitivity analysis. The primary outcome of interest was cost per DALY averted by the intervention. RESULTS: Sixty-nine PIHRs were performed in 65 children (mean age 3.6 years). Mean cost per procedure was $86.68 US (95% CI 83.1-90.2 USD) and averted an average of 5.7 DALYs each. Incremental cost-effectiveness ratio was $12.41 per DALY averted. The probability of cost-effectiveness was 95% at a cost-effectiveness threshold of $35 per averted DALY. Results were robust to sensitivity analysis under all considered scenarios. CONCLUSION: Elective PIHR is highly cost-effective for the treatment and prevention of complications of hernia disease even in low-resource settings. PIHR should be prioritized in LMICs alongside other cost-effective interventions.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».