Access to urban acute care services in high- vs. middle-income countries: an analysis of seven cities
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
PURPOSE: Cities are expanding rapidly in middle-income countries, but their supply of acute care services is unknown. We measured acute care services supply in seven cities of diverse economic background. METHODS: In a cross-sectional study, we compared cities from two high-income (Boston, USA and Paris, France), three upper-middle-income (Bogota, Colombia; Recife, Brazil; and Liaocheng, China), and two lower-middle-income (Chennai, India and Kumasi, Ghana) countries. We collected standardized data on hospital beds, intensive care unit beds, and ambulances. Where possible, information was collected from local authorities. We expressed results per population (from United Nations) and per acute illness deaths (from Global Burden of Disease project). RESULTS: Supply of hospital beds where intravenous fluids could be delivered varied fourfold from 72.4/100,000 population in Kumasi to 241.5/100,000 in Boston. Intensive care unit (ICU) bed supply varied more than 45-fold from 0.4/100,000 population in Kumasi to 18.8/100,000 in Boston. Ambulance supply varied more than 70-fold. The variation widened when supply was estimated relative to disease burden (e.g., ICU beds varied more than 65-fold from 0.06/100 deaths due to acute illnesses in Kumasi to 4.11/100 in Bogota; ambulance services varied more than 100-fold). Hospital bed per disease burden was associated with gross domestic product (GDP) (R (2) = 0.88, p = 0.01), but ICU supply was not (R (2) = 0.33, p = 0.18). No city provided all requested data, and only two had ICU data. CONCLUSIONS: Urban acute care services vary substantially across economic regions, only partially due to differences in GDP. Cities were poor sources of information, which may hinder their future planning.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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