Epidemiological profile trends and cost of pediatric sickle cell disease in Brazil from 2008 to 2022
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to investigate the epidemiological trends of Pediatric Sickle Cell Disease (SCD) in Brazil over the period 2008-2022, with a focus on understanding the incidence, mortality rates, and associated healthcare costs. The study explored potential associations between patient characteristics and the occurrence of crises in pediatric SCD cases. METHODS: A cross-sectional study was conducted, analyzing national annual rates of pediatric SCD hospitalizations using data from the FioCruz platform. Descriptive and inferential analyses, including time series and ARIMA regression, were employed. Economic dimensions were assessed using cost categorization. The study followed STROBE reporting guidelines. RESULTS: Data on 81,942 pediatric SCD hospitalizations were collected, with a predominance of crisis-related cases (74.08 %). Males and children under five years old were most affected. Regional disparities were observed, with the Southwest region recording the highest hospitalization rates. ICU costs were higher for crisis-related hospitalizations. Mortality rates were significantly higher for crisis-related cases (p < 0.001), with ARIMA regression indicating a significant association between hospitalizations for crisis-related cases and mortality. CONCLUSION: This study highlights the significant burden of pediatric SCD in Brazil, particularly crisis-related cases, suggesting a need for focused interventions. By prioritizing early detection, equitable access to healthcare, and evidence-based interventions, Brazil can mitigate the burden of SCD and improve patient outcomes. These findings contribute to informing public health policies and interventions aimed at addressing the challenges of pediatric SCD management in Brazil.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».