Towards defining the surgical workforce for children: a geospatial analysis in Brazil
Notice bibliographique
Résumé
OBJECTIVES: The optimal size of the health workforce for children's surgical care around the world remains poorly defined. The goal of this study was to characterise the surgical workforce for children across Brazil, and to identify associations between the surgical workforce and measures of childhood health. DESIGN: ). SETTINGS AND PARTICIPANTS: We collected data on the surgical workforce (paediatric surgeons, general surgeons, anaesthesiologists and nursing staff), perioperative mortality rate (POMR) and under-5 mortality rate (U5MR) across Brazil for 2015. PRIMARY AND SECONDARY OUTCOME MEASURES: We performed descriptive analyses, and identified associations between the workforce and U5MR using geospatial analysis (Getis-Ord-Gi analysis, spatial cluster analysis and linear regression models). FINDINGS: There were 39 926 general surgeons, 856 paediatric surgeons, 13 243 anaesthesiologists and 103 793 nurses across Brazil in 2015. The U5MR ranged from 11 to 26 deaths/1000 live births and the POMR ranged from 0.11-0.17 deaths/100 000 children across the country. The surgical workforce is inequitably distributed across the country, with the wealthier South and Southeast regions having a higher workforce density as well as lower U5MR than the poorer North and Northeast regions. Using linear regression, we found an inverse relationship between the surgical workforce density and U5MR. An U5MR of 15 deaths/1000 births across Brazil is associated with a workforce level of 5 paediatric surgeons, 200 surgeons, 100 anaesthesiologists or 700 nurses/100 000 children. CONCLUSIONS: We found wide disparities in the surgical workforce and childhood mortality across Brazil, with both directly related to socioeconomic status. Areas of increased surgical workforce are associated with lower U5MR. Strategic investment in the surgical workforce may be required to attain optimal health outcomes for children in Brazil, particularly in rural regions.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».