Shortage of healthcare workers in sub-Saharan Africa: a nephrological perspective
Notice bibliographique
Résumé
AIMS: The paper assesses the lack of healthcare workers, the consequences, and possible solutions. MATERIALS AND METHODS: Review of existing literature and global health reports. RESULTS: The 47 countries of sub-Saharan Africa have a critical shortage of healthcare workers, the deficit amounting to 2.4 million doctors and nurses. There are 2 doctors and 11 nursing/midwifery personnel per 10,000 population, compared with 19 doctors and 49 nursing/midwifery personnel per 10,000 for the Americas, and 32 doctors and 78 nursing/midwifery personnel per 10,000 for Europe. And, whereas there are 28 doctors and 87 nurses/midwifery personnel per 10,000 in high income regions of the world, there are only 5 doctors and 11 nurses/ midwifery personnel per 10,000 in low income regions. The shortage of nephrologists in Africa, and especially sub-Saharan Africa, remains a critical issue, with many countries having < 1 nephrologist per million population; some have no nephrologists at all. The USA, UK, Canada and Australia have benefitted considerably from the migration of nurses and doctors over the past half century. Opportunities for training as well as employment have attracted doctors from many countries to these developed countries. Since 2006, new legislation in the UK has limited the inflow of health workers. Developing countries are also beginning to take steps to mitigate the problem of health worker loss and are developing strategies to both train increasing numbers of different cadres of healthcare worker and also to retain those already working in these countries. CONCLUSIONS: The forces of globalization are tending to increase the worldwide movement of all types of professionals, including those working in health care. It is this lack of health workers in developing countries that has been such a major constraint in limiting progress on initiatives such as the HIV "3 by 5" and Millennium Development Goals. More specifically, lack of resources, both human and financial, in developing countries has hampered nephrology programs both in the detection and prevention of chronic kidney disease and in the ability of doctors, nurses and other nephrological personnel to provide acute/chronic dialysis and transplantation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».