Perioperative Mortality Rates as a Health Metric for Acute Abdominal Surgery in Low‐ and Middle‐Income Countries: A Systematic Review and Future Recommendations
Notice bibliographique
Résumé
BACKGROUND: Approximately 5 billion people do not have access to safe, timely, and affordable surgical and anesthesia care, with this number disproportionately affecting those from low-middle-income countries (LMICs). Perioperative mortality rates (POMRs) have been identified by the World Health Organization as a potential health metric to monitor quality of surgical care provided. The purpose of this systematic review was to evaluate published reports of POMR and suggest recommendations for its appropriate use as a health metric. METHODS: The protocol was registered a priori with PROSPERO. A peer-reviewed search strategy was developed adhering with the PRISMA guidelines. Relevant articles were identified through Medline, Embase, CENTRAL, CDSR, LILACS, PubMed, BIOSIS, Global Health, Africa-Wide Information, Scopus, and Web of Science databases. Two independent reviewers performed a primary screening analysis based on titles and abstracts, followed by a full-text screen. Studies describing POMRs of adult emergency abdominal surgeries in LMICs were included. RESULTS: A total of 7787 articles were screened of which 7466 were excluded based on title and abstract. Three hundred and twenty-one articles entered full-text screen of which 70 articles met the inclusion criteria. Variables including timing of POMR reporting, intraoperative mortality, length of hospital stay, complication rates, and disease severity score were collected. Complication rates were reported in 83% of studies and postoperative stay in 46% of studies. 40% of papers did not report the specific timing of POMR collection. 7% of papers reported on intraoperative death. Additionally, 46% of papers used a POMR timing specific to the duration of their study. Vital signs were discussed in 24% of articles, with disease severity score only mentioned in 20% of studies. CONCLUSION: POMR is an important health metric for quantifications of quality of care of surgical systems. Further validation and standardization are necessary to effectively use this health metric.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 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 ».