Trends in Mode of Gynecologic Surgery for Benign Disease in Brazil
Notice bibliographique
Résumé
Objective: There are limited studies on laparoscopy for benign hysterectomy in low- and middle-income countries. This article describes national trends in modes of hysterectomy in Brazil and compares outcomes by regions and health sectors. Materials and Methods: This was a cross sectional retrospective analysis of benign hysterectomies from open-access national databases (public sector: 2008–2017; private sector: 2016) in Brazil. Variables examined included the modes (vaginal, abdominal, and laparoscopic) of hysterectomies, geographic regions, mortality rates, and lengths of stay (LOS). Results: Benign hysterectomies decreased by 19.2% over 10 years. The proportion of abdominal surgeries increased from 85% to 88%. Despite an increase in laparoscopic surgeries (0.2–0.9%), minimally invasive surgery (vaginal and laparoscopic) decreased (14.7%–12.6%), largely driven by a drop in vaginal cases (14.5%–11.7%). More laparoscopic hysterectomies were performed in the private sector compared to the public sector (11% versus 1%; p < 0.001). There were significant geographic disparities, with 17% of hysterectomies in the private sector performed laparoscopically in the south compared to 9% in the northeast (p < 0.001). Conclusions: Trends in modes of hysterectomies have changed. There are regional inequities, with wealthier regions accessing more laparoscopic surgery. Understanding the trends and factors affecting access to laparoscopy is essential for ensuring equitable access to high-quality gynecologic care. (J GYNECOL SURG 37:337)
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 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 ».