The impact and cost-effectiveness of the Amref Health Africa-Smile Train Cleft Lip and Palate Surgical Repair Programme in Eastern and Central Africa
Notice bibliographique
Résumé
INTRODUCTION: Cleft lip with or without cleft palate (CLP) is a congenital malformation that causes significant morbidity in low and middle income countries. Amref Health Africa has partnered with Smile Train to provide CLP surgeries since 2006. METHODS: We analyzed anonymized data of 37,274 CLP patients from the Smile Train database operated on in eastern and central Africa between 2006 and 2014. Cases were analyzed by age, gender, country and surgery type. The impact of cleft surgery was determined by measuring averted Disability-Adjusted Life Years (DALYs) and delayed averted DALYs. We used mean Smile Train costs to calculate cost-effectiveness. We calculated economic benefit using the human capital approach and Value of Statistical Life (VSL) methods. RESULTS: The median age at time of primary surgery was 5.4 years. A total of 207,879 DALYs were averted at a total estimated cost of US$13 million. Mean averted DALYs per patient were 5.6, and mean cost per averted DALY was $62.8. Total delayed burden of disease from late age at surgery was 36,352 DALYs. Surgical correction resulted in $292 million in economic gain using the human capital approach and $2.4 billion using VSL methods. CONCLUSION: Cleft surgery is a cost-effective intervention to reduce disability and increase economic productivity in eastern and central Africa. Dedicated programs that provide essential CLP surgery can produce substantial clinical and economic benefits.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».