Epidemiological profile trends and cost of sickle cell disease in Brazil from 2008 to 2022.
Notice bibliographique
Résumé
PURPOSE: This study aimed to evaluate the epidemiological profile trends and economic impact of sickle cell disease (SCD) in Brazil from 2008 to 2022, focusing on incidence, mortality, and healthcare costs. METHODS: A cross-sectional analysis was conducted using data from the Fundação Oswaldo Cruz's platform, Plataforma de Ciência de Dados Aplicada à Saúde, encompassing hospitalizations related to SCD from January 2008 to December 2022. The International Classification of Diseases codes for SCD were used to retrieve data on incidence, mortality, procedures performed, and healthcare costs. RESULTS: The study included 151,535 hospitalizations for SCD, with 69.92% associated with SCD crises and 22.48% without crises. The mean annual hospitalizations were higher for crises (6,883.06) compared to those without crises (2,221.12). Mortality rates were significantly higher for patients hospitalized with crises compared to those without crises (p < 0.001). The economic impact of SCD was substantial, with annual costs exceeding 413 million USD. CONCLUSION: This study revealed a significant burden of SCD in Brazil, characterized by high hospitalization rates, particularly among younger patients, and elevated mortality rates associated with crises. Prospective studies and public health interventions are warranted to address SCD and mitigate its impact on public health.
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 | 0,000 | 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 | 0,000 | 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 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 ».