Unveiling patterns in pediatric appendectomy: A comparative study on healthcare resource capacity and surgical decisions in Brazil
Notice bibliographique
Résumé
BACKGROUND: Appendicitis is the most prevalent surgical emergency in children. This study examined hospital infrastructure, surgical techniques, patient demographics, and hospitalization parameters to assess the provision of safe and adequate care within the Brazilian public healthcare system. METHODS: Pediatric hospitalizations for acute appendicitis in 2022 were extracted from the Brazilian national database. We included all hospitalizations for patients aged 0-16 years with a primary ICD-10 diagnosis of acute appendicitis who underwent an operation. Parameters of interest were the type of surgical approach, mortality, and total cost of hospitalization. Facilities were defined as basic-facility, full-facility, and pediatric according to the level of pediatric resources available. RESULTS: In 2022, there were 29,983 pediatric appendectomies due to acute appendicitis. Of these, 90.2% were open appendectomies. Most occurred in basic-facility general hospitals (53.0%), followed by full-facility (35.2%) and pediatric hospitals (11.8%). Full-facility hospitals had a higher median cost (USD126.3, IQR 99.5-154.4) compared to basic (USD96.8, IQR 87.6-130.1) and pediatric hospitals (USD103.0, IQR 91.9-117.5), though the cost difference between basic and pediatric was not significant (p = 0.367). Death was a rare event across all levels of hospital infrastructure and for all types of procedures performed. CONCLUSIONS: The majority of hospitalizations for acute appendicitis occurred in hospitals with minimal pediatric infrastructure. Open appendectomies remain the most predominant procedure across all hospital types.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».