The impact and cost-effectiveness of the Amref Health Africa-Smile Train Cleft Lip and Palate Surgical Repair Programme in Eastern and Central Africa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 découle