Analysis of vitreoretinal surgery activity in metropolitan France in 2016: impact on training capacities
Notice bibliographique
Résumé
PURPOSE: The purpose of the study was to describe vitreoretinal surgery activity and vitreoretinal surgeons in private or public practice in metropolitan France over the year 2016 to anticipate surgical training needs. METHODS: Patients aged ≥20 years who had undergone vitreoretinal surgery, alone or combined with cataract surgery were included using the French National Healthcare system database. For surgery performed by ophthalmologists carrying out ≥50 procedures during the year, the incidence per 100 000 of population ≥ 20 years of age, the number and mean age of surgeons and the number of surgeons aged >55 years were calculated. RESULTS: Overall, 57 947 posterior segment surgical procedures were included, 40% in the public sector and 49% in the private sector for private surgeons and/or public centres performing ≥50 procedures/year. The remaining 11% of procedures were from private surgeons and/or public centres performing <50 procedures/year. The analysis included 356 surgeons with a mean age of 41 ± 10 years (39% female) in the public sector and 47 ± 10 years (14% female) in the private sector. The majority of urgent surgery was for retinal detachment (n = 30 290 [52% of total surgical procedures]). Scheduled surgery involved surgery for macular holes and epiretinal membranes (n = 16 454 [28% of total surgical procedures]). Combined vitrectomy-phacoemulsification surgery (n = 10 120) represented 17% of all vitreoretinal surgery. University regions with the fewest surgeons and regions with surgeons >55 years of age were identified, to anticipate the training need for new surgeons. CONCLUSION: This study demonstrated disparities in the geographic distribution of vitreoretinal surgery in France and identified regions that need increased training capacities to ensure a sufficient number of surgeons.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».