MétaCan
Menu
Retour à la cohorte
Enregistrement W4384626873 · doi:10.1097/js9.0000000000000603

Utilization, surgical populations, centers, coverages, regional balance, and their influential factors of deep brain stimulation for Parkinson’s disease: a large-scale multicenter cross-sectional study from 1997 to 2021

2023· article· en· W4384626873 sur OpenAlexaff
Fangang Meng, Wei Hu, Shu Wang, Joseph Tam, Yuan Gao, Xian Lun Zhu, Danny Tat Ming Chan, Wai Sang Poon, Tak Lap Poon, Fung Ching Cheung, Benedict Beng Teck Taw, Lai‐Fung Li, Shin-Yuan Chen, Ka Ming Chan, Anxin Wang, Qin Xu, Chunlei Han, Yutong Bai, Aparna Wagle Shukla, Adolfo Ramirez‐Zamora, Andrés M. Lozano, Jianguo Zhang

Notice bibliographique

RevueInternational Journal of Surgery · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesInstitute for Health Metrics and EvaluationUniversity of Washington
Mots-clésMedicineDeep brain stimulationBalance (ability)Parkinson's diseaseCross-sectional studyScale (ratio)Physical medicine and rehabilitationDiseaseStimulationGerontologyPhysical therapyInternal medicinePathologyCartographyGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Deep brain stimulation (DBS) is an emerging and effective therapy for Parkinson's disease (PD). However, little is known about its utilization, surgical populations, centers, coverages, regional balance, and influential factors. MATERIALS AND METHODS: This large-scale multicenter cross-sectional study was conducted using a national census involving 74 Chinese centers. National DBS populations and centers for PD were investigated in 1997-2021, and regional sociodemographic features, surgical populations, related resources, and insurance policies in 2020 were explored. RESULTS: Since the first DBS surgery in 1997, a total of 38 122 PD patients from 349 centers underwent DBS by 2021, which covered 1.118% (1.108-1.129) of patients and 0.954% (0.933-0.976) of centers. Significant upward trends in the annual surgical population and coverages were observed with rapid climbing rates, while the annual surgical centers and their coverage showed two growth peaks in 2002-2006 and 2010-2018, correlating with clinical approvals and new technologies. A total of 103 070 (51 165-154 975) PD patients [2.088% (1.351-2.825) coverage] and 603 (72-1134) centers [1.356% (1.126-1.586) coverage] are predicted to conduct DBS by 2030. The new remotely programmed DBS technology was recoded as the first application in 2015 and rapidly increased to 2771 (47.39%, 46.11-48.67) patients with 10 507 remote programming sessions annually in 2021. Provinces in the eastern and central regions had better economic status, more surgical patients, higher insurance affordability, and more related resources than those in the western and northeastern regions. Higher gross domestic product per capita ( β =5.041, 3.324-6.758 and β =0.008, 0.004-0.012; all P <0.001) and more functional neurosurgery doctors ( β =3.596, 0.353-6.839; P =0.031 and β =0.010, 0.002-0.017; P =0.013) positively influenced surgical populations and coverages, while higher insurance levels ( β =128.888, 64.702-193.075; P <0.001) positively influenced surgical coverages. CONCLUSION: Although surgical populations, centers, and coverages of DBS for PD have rapidly improved and are predicted to show future increases, this is still insufficient to cover potential eligible patients. Regionally imbalanced health coverage should be given attention to promote coordinated development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,355
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of SurgeryMême sujetNeurological disorders and treatmentsTravaux en français237 207