MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389725851 · doi:10.1371/journal.pone.0289032

Impact of COVID-19 pandemic on surgical activity in the Brazilian private healthcare system

2023· article· en· W4389725851 sur OpenAlexaff
Luiza Helena Degani‐Costa, Barbara Yepes Pereira, Isabela Castro, Heitor Franco Werneck, Glenio B. Mizubuti, Luiz Fernando dos Reis Falcão

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Health careSurgical proceduresHealthcare systemElective surgeryGeneral surgerySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SurgeryDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Surgical volume was drastically reduced in many countries due to challenges imposed by the COVID-19 pandemic. OBJECTIVES: We sought to estimate the number of cancelled surgical and diagnostic procedures within the Brazilian private healthcare system between 2020 and 2021 over the course of the COVID-19 pandemic, and to project the procedural backlog generated for specific elective and time-sensitive surgeries, and diagnostic procedures. METHODS: Data were systematically extracted from the Brazilian national regulatory agency for the private healthcare system and included (i) quarterly and annual surgical and diagnostic volume, and (ii) the number of private health insurance beneficiaries between January 2016 and June 2021. Based on pre-pandemic data we estimated the expected number of surgical and diagnostic procedures that failed to be performed between 2020 and 2021. RESULTS: The average quarterly surgical and diagnostic procedures declined by 29.5% in 2020 and by 21.5% in 2021 compared to 2019. In 2020, such reduction reflected a lower number of diagnostic procedures under anesthesia (-35.1%), as well as elective (-14.7%), time-sensitive (-18.8%), and urgent (-4.6%) surgeries. In the first half of 2021, though the surgical and diagnostic procedures increased compared to 2020, they remained significantly below their historical average. The estimated backlogs were 134.385,64 for total surgical procedures, 2.634,64 for bariatric surgery and arthroplasty revision (elective surgeries), 2.845,61 for oncologic (time-sensitive) surgeries, and 304.193,99 for diagnostic procedures, requiring 1.7, 15.9, and 6.8 years, respectively, to make up for such backlogs. CONCLUSION: There was a major decline on the number of surgical and diagnostic procedures due to the COVID-19 pandemic. Despite a slight recovery of elective surgeries throughout the pandemic, many time-sensitive surgeries and diagnostic procedures were cancelled, with potential medium- to long-term consequences to patients and the system as a whole.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,113
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,244
Tête enseignante GPT0,441
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→