Healthcare organizations worldwide face challenges in retaining their healthcare workforce, with individual and organizational factors influencing their intentions to leave. This study conducted eight online co-creation workshops and four Delphi sessions to gain qualitative and in-depth insights into job retention interventions, involving healthcare workers, hospital managers, and policymakers. A thematic analysis was conducted, resulting in multiple interventions that were clustered in four pre-defined themes: professional and personal support, education, financial incentives, and regulatory measures. Professional and personal support interventions included regular interprofessional team meetings, leadership training programs, self-scheduling and sabbaticals, support for administrative and non-clinical work, and the provision of psychological counselling. Educational interventions encompassed facilitating development opportunities, periodic evaluations, onboarding, mentorship programs, and peer support groups. Financial incentives included the provision of competitive salaries, adequate infrastructure, extra benefits, transport possibilities, and permanent employment contracts. Regulatory measures addressed the need for complementary legislation across various levels, fixed healthcare worker-to-patient ratio, and instruments to monitor workload. To optimize retention strategies, healthcare organizations should tailor these interventions to address the unique factors influencing their workforce's intentions to leave within their specific context. The study concludes that combining personal and professional support, educational opportunities, financial incentives, and regulatory measures is necessary because there is no one-size-fits-all solution.

Adrenal insufficiency (AI) is characterized by increased mortality compared to general population, mainly due to cardiovascular disease. Conventional glucocorticoid (GC) replacement therapy has a role in determining the increased mortality risk. Primary outcome of the current study was to evaluate the impact of 10 years of conventional GCs and DR-HC on body weight changes in treatment-naïve patients with AI. Secondary outcomes were changes from baseline to 5 and 10 years in anthropometric and metabolic profile, insulin sensitivity, cardiovascular and bone parameters.

ABSTRACT Objective Oral diseases, specifically malignant lesions, are serious global health concerns requiring early diagnosis for effective treatment. In recent years, deep learning (DL) has emerged as a powerful tool for the automated detection and classification of oral lesions. This research, by conducting a scoping review and meta‐analysis, aims to provide an overview of the progress and achievements in the field of automated detection of oral lesions using DL. Materials and Methods A scoping review was conducted to identify relevant studies published in the last 5 years (2018–2023). A comprehensive search was conducted using several electronic databases, including PubMed, Web of Science, and Scopus. Two reviewers independently assessed the studies for eligibility and extracted data using a standardized form, and a meta‐analysis was conducted to synthesize the findings. Results Fourteen studies utilizing various DL algorithms were identified and included for the detection and classification of oral lesions from clinical images. Among these, three were included in the meta‐analysis. The estimated pooled sensitivity and specificity were 0.86 (95% confidence interval [CI] = 0.80–0.91) and 0.67 (95% CI = 0.58–0.75), respectively. Conclusions The results of meta‐analysis indicate that DL algorithms improve the diagnosis of oral lesions. Future research should develop validated algorithms for automated diagnosis. Trial Registration Open Science Framework ( https://osf.io/4n8sm )

Background/Objectives: Stroke is a leading cause of mortality and disability worldwide, ranking as the second most common cause of death and the third in disability-adjusted life-years lost. Ischaemic stroke, which constitutes the majority of cases, poses significant public health and economic challenges. This study evaluates trends in ischaemic stroke hospitalisations in Italy from 2008 to 2022, focusing on differences before and after the COVID-19 pandemic. Methods: We analysed ischaemic stroke hospitalisations among individuals admitted through emergency services using Italian hospital discharge records from 2008 to 2022. Poisson Inverse Gaussian regression was employed to assess hospitalisation trends, accounting for age, sex, and geographic variations. Results: Among 1,689,844 ischaemic stroke hospitalisations, there was a marked age-related increase, particularly among individuals aged 74 and older, with males consistently showing higher rates. Hospitalisation trends demonstrated a 20% reduction over 15 years, suggesting improvements in stroke prevention and treatment. However, there was a slight increase in rates during the COVID-19 period, despite the overall declining trend, highlighting the potential healthcare challenges experienced during the pandemic. Multivariable analysis confirmed age and male sex as significant risk factors. Conclusions: This study underscores the age-related increase in stroke hospitalisation rates, emphasising the need for targeted prevention strategies for elderly populations. The overall reduction in stroke hospitalisation rates reflects advancements made in healthcare, although the impact of COVID-19 on access to stroke care is evident. Future policies must address the pandemic’s effects on stroke care continuity and prioritise interventions tailored to age and sex.