Non-anaesthetist-administered ketamine for emergency caesarean section in Kenya: cost-effectiveness analysis
Notice bibliographique
Résumé
OBJECTIVES: Lack of anaesthesia services is a frequent barrier to emergency surgeries such as caesarean delivery in Kenya. This study aimed to estimate the survival gains and cost-effectiveness of scaling up the Every Second Matters (ESM)-Ketamine programme that trains non-anaesthetist providers to administer and monitor ketamine during emergency caesarean deliveries. SETTING: Hospitals in Kenyan counties with low rates of caesarean delivery. PARTICIPANTS: Patients needing emergency caesarean delivery in settings without availability of standard anaesthesia service. INTERVENTIONS: Simulated scales up of the ESM-Ketamine programme over 5 years (2020-24) was compared with status quo. OUTCOME MEASURES: Cost of implementing the programme and corresponding additional emergency caesarean deliveries. Maternal and fetal/neonatal deaths prevented, and corresponding life-years gained due to increased provision of emergency caesarean procedures. Cost-effectiveness was assessed by comparing the cost per life-year gained of the ESM-Ketamine programme compared with status quo. RESULTS: Over 5 years, the expected gap in emergency caesarean deliveries was 157 000. A US$1.2 million ESM-Ketamine programme reduced this gap by 28 700, averting by 316 maternal and 4736 fetal deaths and generating 331 000 total life-years gained. Cost-effectiveness of scaling up the ESM-Ketamine programme was US$44 per life-year gained in the base case and US$251 in the most pessimistic scenario-a very good value for Kenya at less than 20% of per capita GDP per life-year gained. CONCLUSION: In areas of Kenya with significant underprovision of emergency caesarean delivery due to a lack of availability of traditional anaesthesia, an ESM-Ketamine programme is likely to enable a substantial number of life-saving surgeries at reasonable cost.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».