MétaCan
Menu
Retour à la cohorte
Enregistrement W4413380631 · doi:10.3389/fsurg.2025.1629828

Exploring the concept of surgical transition: surgical activity in the light of economic development in Sierra Leone, Liberia, Ghana and India

2025· article· en· W4413380631 sur OpenAlexaff
Juul M. Bakker, Alex J. van Duinen, Priti Patil, Priyansh Nathani, Adam Gyedu, Håvard A Adde, Pranav Bhushan, Nobhojit Roy, Anita Gadgil, Håkon A. Bolkan

Notice bibliographique

RevueFrontiers in Surgery · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSierra leoneMedicinePopulationDescriptive statisticsPer capitaDeveloping countryDistribution (mathematics)Surgical planningSurgical proceduresHealth careSurgeryEnvironmental healthEconomic growthSocioeconomics

Résumé

récupéré en direct d'OpenAlex

Introduction: The surgical volume indicator measures surgical activity within a population, but it does not fully untangle the details behind the statistical indicator. As health systems evolve and countries develop economically, the types of surgeries performed, providers, and levels of healthcare facilities may provide a richer understanding of changes in surgical activity. This research studied surgical activity in four diverse settings by analyzing initial data to assess trends in patient characteristics, surgical staff, case distribution, level of care, and anesthesia practices, forming the basis for a "surgical transition" framework. Methods: We conducted a secondary analysis of surgical volume data from four studies in Sierra Leone, Liberia, Ghana, and India, to assess trends in surgical distribution. Descriptive statistics were used to compare surgical volumes by population subgroups, surgical providers, case distribution, level of care, and anesthesia. Results: Findings show that countries with higher GDP per capita had greater surgical volumes, more specialist providers, and a broader, more advanced case mix. Increases in surgical volume were most notable among older age groups, gender disparities in access diminished as systems developed. In lower-income settings, a large share of surgeries were cesarean sections or other procedures for women of reproductive age, while there were more surgeries in the older population in more advanced economies. The proportion of essential surgeries, including for example surgeries for obstetric complications, abdominal emergencies and injuries, remained stable between low- and lower-middle-income countries, decreasing only with further economic development. Specialist-performed procedures increased with economic growth, resulting in greater surgical variety and complexity. Discussion: Changes in surgical volume must be understood within the broader context of societal and economic development as well as the health system. The concept of "surgical transition" highlights how demographic and socioeconomic progress is reflected in the quantity, diversity, and complexity of surgical services. As countries advance, internal priorities, such as healthcare policies, financing, infrastructure, and service delivery mechanisms, also evolve. These factors influence surgical care delivery. Each phase of the surgical transition presents different challenges and needs. Recognizing the phase of surgical transition can help guide strategies and establish realistic interim targets for the global surgical indicators, making them more actionable tools for measuring progress and comparing systems.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,003
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,264
Écart entre enseignants0,235 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in SurgeryMême sujetGlobal Health and SurgeryTravaux en français237 207