Indexing Healthcare Access and Quality for Surgically Amenable Causes of Death: A Global Analysis of 204 Countries and Territories in 2019
Notice bibliographique
Résumé
BACKGROUND: We analyzed the healthcare access and quality (HAQ) index for surgically amenable causes, its progress since 1990, and the gap compared to non-surgical HAQ across 204 countries and territories in 2019 for children (up to 14 years) and overall populations. METHODS: The Global Burden of Disease 2019 study provided mortality-to-incidence ratios and risk-standardized death rates for 32 causes with preventable mortality. Of these, 14 (18) and 9 (17) causes were considered surgical (non-surgical) for the overall population and children, respectively. We constructed composite indices ranging from 0 (worst) to 100 (best) using the adjusted Mazziotta Pareto index methodology. The ratio of surgical HAQ in 2019 to that in 1990 noted a change over time. Surgical-to-non-surgical HAQ ratio gave the relative gap in 2019. Ratios > 1 depicted improvement over time or better-performing surgical care systems. RESULTS: In 2019, the overall surgical HAQ varied from 18.00 for the Central African Republic to 98.25 for Canada. The child surgical HAQ index varied from 39.87 for Chad to 99.41 for San Marino. For both surgical HAQ indices, 202 countries noted progress from 1990 to 2019. Only 31 countries (15.2%) had greater surgical HAQ index values than their non-surgical counterparts. The child surgical HAQ index lagged non-surgical for 61.28% of countries. CONCLUSIONS: Low-income countries had limited progress in surgical HAQ indices since 1990 and lagged behind the non-surgical HAQ index in 2019 the most. These findings are valuable for global evaluations, policymaking, and advocacy for investing in surgical care.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».