Regional variation of hysterectomy for benign uterine diseases in Switzerland
Notice bibliographique
Résumé
BACKGROUND: Hysterectomy is the last treatment option for benign uterine diseases, and vaginal hysterectomy is preferred over more invasive techniques. We assessed the regional variation in hysterectomy rates for benign uterine diseases across Switzerland and explored potential determinants of variation. METHODS: We conducted a population-based analysis using patient discharge data from all Swiss hospitals between 2013 and 2016. Hospital service areas (HSAs) for hysterectomies were derived by analyzing patient flows. We calculated age-standardized mean procedure rates and measures of regional variation (extremal quotient [EQ], highest divided by lowest rate) and systematic component of variation [SCV]). We estimated the reduction in the variance of crude hysterectomy rates across HSAs in multilevel regression models, with incremental adjustment for procedure year, age, cultural/socioeconomic factors, burden of disease, and density of gynecologists. RESULTS: Overall, 40,211 hysterectomies from 54 HSAs were analyzed. The mean age-standardized hysterectomy rate was 298/100,000 women (range 186-456). While the variation in overall procedure rate was moderate (EQ 2.5, SCV 3.7), we found a very high procedure-specific variation (EQ vaginal 5.0, laparoscopic 6.3, abdominal 8.0; SCV vaginal 17.5, laparoscopic 11.2, abdominal 16.9). Adjusted for procedure year, demographic, cultural, and sociodemographic factors, a large share (64%) of the variance remained unexplained (vaginal 63%, laparoscopic 85%, abdominal 70%). The main determinants of variation were socioeconomic/cultural factors. Burden of disease and the density of gynecologists was not associated with procedure rates. CONCLUSIONS: Switzerland has a very high regional variation in vaginal, laparoscopic, and abdominal hysterectomy for benign uterine disease. After adjustment for potential determinants of variation including demographic factors, socioeconomic and cultural factors, burden of disease, and the density of gynecologists, two thirds of the variation remain unexplained.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».