MétaCan
Menu
Retour à la cohorte
Enregistrement W1738576971 · doi:10.1016/j.afjem.2015.08.001

The state of emergency care in Democratic Republic of Congo

2015· article· en· W1738576971 sur OpenAlexaff
Luc Malemo Kalisya, Margaret Salmon, Kitoga Manwa, Mundenga Mutendi Muller, Ken Diango, Rene Zaidi, Sarah K. Wendel, Teri Reynolds

Notice bibliographique

RevueAfrican Journal of Emergency Medicine · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationHealth careSpecialtyMeaslesFamily medicineMedical emergencyEconomic growthEnvironmental healthVaccination

Résumé

récupéré en direct d'OpenAlex

The Democratic Republic of Congo (DRC) is the second largest country on the African continent with a population of over 70 million. It is also a major crossroad through Africa as it borders nine countries. Unfortunately, the DRC has experienced recurrent political and social instability throughout its history and active fighting is still prevalent today. At least two decades of conflict have devastated the civilian population and collapsed healthcare infrastructure. Life expectancy is low and government expenditure on health per capita remains one of the lowest in the world. Emergency Medicine has not been established as a specialty in the DRC. While the vast majority of hospitals have emergency rooms or salle des urgences , this designation has no agreed upon format and is rarely staffed by doctors or nurses trained in emergency care. Presenting complaints include general and obstetric surgical emergencies as well as respiratory and diarrhoeal illnesses. Most patients present late, in advanced stages of disease or with extreme morbidity, so mortality is high. Epidemics include HIV, cholera , measles , meningitis and other diarrhoeal and respiratory illnesses. Lack of training, lack of equipment and fee-for-service are cited as barriers to care. Pre-hospital care is also not an established specialty. New initiatives to improve emergency care include training Congolese physicians in emergency medicine residencies and medic ranger training within national parks.

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)0,002
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 enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,167
Tête enseignante GPT0,470
Écart entre enseignants0,303 · 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

Citations36
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Emergency MedicineMême sujetHealth and Conflict StudiesTravaux en français237 207