MétaCan
Menu
Retour à la cohorte
Enregistrement W4388446977 · doi:10.1001/jamanetworkopen.2023.42215

Low-Value Surgical Procedures in Low- and Middle-Income Countries

2023· article· en· W4388446977 sur OpenAlexafffund
Loai Albarqouni, Eman Abukmail, Majdeddin MohammedAli, Sewar Elejla, Mohamed Abuelazm, Hosam Shaikhkhalil, Thanya Pathirana, Sujeewa Palagama, Emmanuel Effa, Eleanor Ochodo, Eulade Rugengamanzi, Yousef Al-Saba’a, Ale Ingabire, Francis P Riwa, Burhan Goraya, Mina Bakhit, Justin Clark, Morteza Arab‐Zozani, S Silva, C.S. Pramesh, Verna Vanderpuye, Eddy Lang, Deborah Korenstein, Karen Born, Stephen Tabiri, Adesoji Ademuyiwa, Ashraf Nabhan, Ray Moynihan

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensPublic Health OntarioUniversity of TorontoUniversity of CalgaryPrincess Margaret Cancer Centre
Organismes subventionnairesTata Memorial CentreMedical Research CouncilCumming School of Medicine, University of CalgaryHomi Bhabha National InstituteAin Shams UniversityIslamic University of GazaUniversity of TorontoAl-Azhar UniversityBirjand University of Medical SciencesBond University
Mots-clésMedicineLow and middle income countriesPsychological interventionPsycINFOMEDLINEHealth careGlobal healthDeveloping countryMultinational corporationFamily medicinePublic healthNursingEconomic growth

Résumé

récupéré en direct d'OpenAlex

Importance: Overuse of surgical procedures is increasing around the world and harms both individuals and health care systems by using resources that could otherwise be allocated to addressing the underuse of effective health care interventions. In low- and middle-income countries (LMICs), there is some limited country-specific evidence showing that overuse of surgical procedures is increasing, at least for certain procedures. Objectives: To assess factors associated with, extent and consequences of, and potential solutions for low-value surgical procedures in LMICs. Evidence Review: We searched 4 electronic databases (PubMed, Embase, PsycINFO, and Global Index Medicus) for studies published from database inception until April 27, 2022, with no restrictions on date or language. A combination of MeSH terms and free-text words about the overuse of surgical procedures was used. Studies examining the problem of overuse of surgical procedures in LMICs were included and categorized by major focus: the extent of overuse, associated factors, consequences, and solutions. Findings: Of 4276 unique records identified, 133 studies across 63 countries were included, reporting on more than 9.1 million surgical procedures (median per study, 894 [IQR, 97-4259]) and with more than 11.4 million participants (median per study, 989 [IQR, 257-6857]). Fourteen studies (10.5%) were multinational. Of the 119 studies (89.5%) originating from single countries, 69 (58.0%) were from upper-middle-income countries and 30 (25.2%) were from East Asia and the Pacific. Of the 42 studies (31.6%) reporting extent of overuse of surgical procedures, most (36 [85.7%]) reported on unnecessary cesarean delivery, with estimated rates in LMICs ranging from 12% to 81%. Evidence on other surgical procedures was limited and included abdominal and percutaneous cardiovascular surgical procedures. Consequences of low-value surgical procedures included harms and costs, such as an estimated US $3.29 billion annual cost of unnecessary cesarean deliveries in China. Associated factors included private financing, and solutions included social media campaigns and multifaceted interventions such as audits, feedback, and reminders. Conclusions and Relevance: This systematic review found growing evidence of overuse of surgical procedures in LMICs, which may generate significant harm and waste of limited resources; the majority of studies reporting overuse were about unnecessary cesarean delivery. Therefore, a better understanding of the problems in other surgical procedures and a robust evaluation of solutions are needed.

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)0,012
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,097
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,353
Tête enseignante GPT0,514
Écart entre enseignants0,160 · 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.

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

Citations20
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHealthcare cost, quality, practicesTravaux en français237 207