Optimizing availability of obstetric surgical care in India: A cost-effectiveness analysis examining rates and access to Cesarean sections
Notice bibliographique
Résumé
The objective of this study is to assess the cost-effectiveness of three different strategies with different availabilities of cesarean sections (CS). The setting was rural and urban areas of India with varying rates of CS and access to comprehensive emergency obstetric care (CEmOC) for women of reproductive age in India. Three strategies with different access to CEmOC and CS rates were evaluated: (A) India's national average (50.2% access, 17.2% CS rate), (B) rural areas (47.2% access, 12.8% CS rate) and(C) urban areas (55.7% access, 28.2% CS rate). We performed a first-order Monte Carlo simulation using a 1-year cycle time and 34-year time horizon. All inputs were derived from literature. A societal perspective was utilized with a willingness-to-pay threshold of $1,940. The outcome measures were costs and quality-adjusted life years were used to calculate the incremental cost-effectiveness ratio (ICER). Maternal and neonatal outcomes were calculated. Strategy C with the highest access to CEmOC despite the highest CS rate was cost-effective, with an ICER of 354.90. Two-way sensitivity analysis demonstrated this was driven by increased access to CEmOC. The highest CS rate strategy had the highest number of previa, accreta and ICU admissions. The strategy with the lowest access to CEmOC had the highest number of fistulae, uterine rupture, and stillbirths. In conclusion, morbidity and mortality result from lack of access to CEmOC and overuse of CS. While interventions are needed to address both, increasing access to surgical obstetric care drives cost-effectiveness and is paramount to optimize outcomes.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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) | 0,000 | 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 ».