Limitations of using the DATASUS database as a primary source of data in surgical research: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: DATASUS is the Brazilian Public Unified Health System (SUS) department responsible for providing health data that are used as a primary source of data in several studies on surgery and surgical specialties although its main limitations have not been previously reviewed. The objective of this work is to synthesize information from studies on surgery that used DATASUS systems as a data source and to identify the main gaps in this platform. METHODS: a scoping review was conducted according to the PRISMA-ScR method to identify papers on surgery, and other surgical specialties, that used the DATASUS platform as a primary data source. No restrictions were imposed regarding the type of study or year of publication. Grounded Theory was used to analyze the content of the articles. RESULTS: 248 works were initially analyzed and 47 were included in the final analysis of this study. The original articles included were published between 2009 and 2022 and the majority (12.76%, n=6) were published in the Journal of the Brazilian College of Surgeons. Retrospective studies (40.43%, n=19) were the most common type of study found. Content analysis of the articles identified four predominant domains in the scientific literature about the limitations of using DATASUS in surgical research: lack of data, reliability, precision and data integration. CONCLUSION: the information systems available in DATASUS are the largest source of information about the SUS, but the scientific literature on the quality of data available in these systems remains scarce and studies aimed at measuring this metric are necessary.
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 | 0,313 | 0,204 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,003 |
| Bibliométrie | 0,002 | 0,013 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,014 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».