Hospital variations in caesarean delivery rates: An analysis of national data in China, 2016-2020
Notice bibliographique
Résumé
Background: The impact of China's use of caesarean delivery on global public health has been a long-term concern. The number of private hospitals is increasing in China and likely driving up caesarean delivery rates, yet specifics remain unknown. We aimed to investigate variations in caesarean delivery rates across and within hospital types in China. Methods: We retrieved data on hospital characteristics and national hospital-level annually aggregated data on the number of deliveries and caesarean deliveries from 2016-2020, covering 7085 hospitals in 31 provinces of mainland China, from the National Clinical Improvement System. We categorized hospitals as public-non-referral (n = 4103), public-referral (n = 1805) and private (n = 1177). Among the private hospitals, 89.1% (n = 1049) were non-referral regarding obstetrical services for uncomplicated pregnancies. Results: Among 38 517 196 deliveries, 16 744 405 were caesarean, giving an overall rate of 43.5% with a minor range of 42.9%-43.9% over time. Median rates differed across hospital types, from 47.0% (interquartile range (IQR) = 39.8%-55.9%) in public-referral, 45.8% (36.2%-55.8%) in private, and 40.3% (30.6%-50.6%) in public-non-referral hospitals. The stratified analyses corroborated the results, except for the northeastern region, where the median rates did not differ across the public-non-referral (58.9%), public-referral (59.3%), and private (58.8%) hospitals, while all ranked higher than the other regions, regardless of hospital type and urbanization levels. The rates within hospital types differed as well, especially in the rural areas of the western region of China, where the difference of rates between the 5th and 95th percentiles was 55.6% (IQR = 4.9%-60.5%) in public-non-referral, 51.5% (IQR = 19.6%-71.1%) in public-referral, and 64.6% (IQR = 14.8%-79.4%) in private hospitals. Conclusions: Variation across hospital types in China was pronounced, with the highest rates either in public-referral or private hospitals, except in the northeastern region, where no variation was observed among the high rates of caesarean deliveries. Variation within each hospital type was pronounced, especially in rural areas of the western region.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».