Caesarean sections and for-profit status of hospitals: systematic review and meta-analysis
Notice bibliographique
Résumé
Objective Financial incentives may encourage private for-profit providers to perform more caesarean section (CS) than non-profit hospitals. We therefore sought to determine the association of for-profit status of hospital and odds of CS. Design Systematic review and meta-analysis. Data sources MEDLINE, EMBASE and the Cochrane Database of Systematic Reviews from the first year of records through February 2016. Eligibility criteria To be eligible, studies had to report data to allow the calculation of ORs of CS comparing private for-profit hospitals with public or private non-profit hospitals in a specific geographic area. Outcomes The prespecified primary outcome was the adjusted OR of births delivered by CS in private for-profit hospitals as compared with public or private non-profit hospitals; the prespecified secondary outcome was the crude OR of CS in private for-profit hospitals as compared with public or private non-profit hospitals. Results 15 articles describing 17 separate studies in 4.1 million women were included. In a meta-analysis of 11 studies, the adjusted odds of delivery by CS was 1.41 higher in for-profit hospitals as compared with non-profit hospitals (95% CI 1.24 to 1.60) with no relevant heterogeneity between studies (τ 2 ≤0.037). Findings were robust across subgroups of studies in stratified analyses. The meta-analysis of crude estimates from 16 studies revealed a somewhat more pronounced association (pooled OR 1.84, 95% CI 1.49 to 2.27) with moderate-to-high heterogeneity between studies (τ 2 ≥0.179). Conclusions CS are more likely to be performed by for-profit hospitals as compared with non-profit hospitals. This holds true regardless of women's risk and contextual factors such as country, year or study design. Since financial incentives are likely to play an important role, we recommend examination of incentive structures of for-profit hospitals to identify strategies that encourage appropriate provision of CS.
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 | 0,017 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,038 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».