Testicular Torsion: An Analysis of Rural Geography and Socioeconomic Status
Notice bibliographique
Résumé
ObjectivesTesticular torsion is a time-critical, organ-threatening diagnosis requiring prompt surgical intervention for successful salvage of the organ. In Australia, 28% of individuals live in rural and remote areas and face barriers to health care such as greater distance, lower socioeconomic status, (SES), and limited health infrastructure. We hypothesize that these barriers would delay intervention and access to surgical care, and lead to higher orchidectomy rates.ObjectivesA 12-year retrospective audit was conducted at a large rural referral center in Australia, focusing on patients undergoing scrotal exploration for testicular torsion. Primary outcomes were orchidectomy rate, time to operation, and ultrasound (US) and their relationship with patient distance, SES, age, and peripheral hospital attendance. Data on SES for geographic postcodes was obtained from the Australian Government Socio-Economic Indexes for Areas 2016. Statistical analysis was performed using IBM SPSS Statistics software, and a P value < 0.05 was considered significant.ResultsThe study involved 107 patients, of whom 46% had left-sided pathology. The median age of the patients was 14 years. Median SES was in the 37% to 41% centile range, median distance from travelled was 62 kilometers, and median time to operation from triage was 194 minutes. Of the patients, 34 attended a peripheral hospital. No significant risk factors for orchidectomy were identified. US was used in 65% of cases, with torsion detected in 50% of those cases, and orchidectomy performed in 11 patients. US had a sensitivity of 86.1% and specificity of 52.9%.ConclusionDespite significant differences in geographical distance, SES, age, and access to health care, patients in rural and remote areas of Australia experienced equivalent outcomes in testicular torsion management. Testicular torsion was safely managed at a central referral center using a peripheral hospital catchment in rural and remote areas of Australia, despite significant time delays due to greater distance or lower SES.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».