Injury, Disability and Access to Care in Rwanda: Results of a Nationwide Cross‐Sectional Population Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Disparities in access to quality injury care are a growing concern worldwide, with over 90 % of global injury-related morbidity and mortality occurring in low-income countries. We describe the use of a survey tool that evaluates the prevalence of surgical conditions at the population level, with a focus on the burden of traumatic injuries, subsequent disabilities, and barriers to injury care in Rwanda. METHODS: The Surgeons OverSeas Assessment of Surgical Need (SOSAS) tool is a cross-sectional, cluster-based population survey designed to measure conditions that may necessitate surgical consultation or intervention. Questions are structured anatomically and designed around a representative spectrum of surgical conditions. Households in Rwanda were sampled using two-stage cluster sampling, and interviews were conducted over a one-month period in 52 villages nationwide, with representation of all 30 administrative districts. Injury-related results were descriptively analyzed and population-weighted by age and gender. RESULTS: A total of 1,627 households (3,175 individuals) were sampled; 1,185 lifetime injury-related surgical conditions were reported, with 38 % resulting in some form of perceived disability. Of the population, 27.4 % had ever had a serious injury-related condition, with 2.8 % having an injury-related condition at the time of interview. Over 30 % of household deaths in the previous year may have been surgically treatable, but only 4 % were injury-related. CONCLUSIONS: Determining accurate injury and disability burden is crucial to health system planning in low-income countries. SOSAS is a useful survey for determining injury epidemiology at the community level, which can in turn help to plan prevention efforts and optimize provision of 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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle