Compounding diagnostic delays: a qualitative study of point‐of‐care testing in <scp>S</scp>outh <scp>A</scp>frica
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
OBJECTIVES: Successful point-of-care (POC) testing (completion of test-and-treat cycle in one patient encounter) has immense potential to reduce diagnostic and treatment delays, and improve patient and public health outcomes. We explored what tests are done and how in public/private, rural/urban hospitals and clinics in South Africa and whether they can ensure successful POC testing. METHODS: This qualitative research study examined POC testing across major diseases in Cape Town, Durban and Eastern Cape. We conducted 101 semi-structured interviews and seven focus group discussions with doctors, nurses, community health workers, patients, laboratory technicians, policymakers, hospital managers and diagnostic manufacturers. RESULTS: In South Africa, diagnostics are characterised by a centralised system. Most tests conducted on the spot can be made to work successfully as POC tests. The majority of public/private clinics and smaller hospitals send samples via couriers to centralised laboratories and retrieve results the same way, via internet, fax or phone. The main challenge to POC testing lies in transporting samples and results, while delays risk patient loss from diagnostic/treatment pathways. Strategies to deal with associated delays create new problems, such as artificially prolonged turnaround times, strains on human resources and quality of testing, compounding additional diagnostic and treatment delays. CONCLUSIONS: For POC testing to succeed, particular characteristics of diagnostic ecosystems and adaptations of professional practices to overcome associated challenges must be taken into account.
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 | 0,002 | 0,148 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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