The Orthopaedic Trauma Patient Experience: A Qualitative Case Study of Orthopaedic Trauma Patients in Uganda
Notice bibliographique
Résumé
The disability adjusted life years (DALYs) associated with injuries have increased by 34% from 1990 to 2010, making it the 10th leading cause of disability worldwide, with most of the burden affecting low-income countries. Although disability from injuries is often preventable, limited access to essential surgical services contributes to these increasing DALY rates. Similar to many other low- and middle-income countries (LMIC), Uganda is plagued by a growing volume of traumatic injuries. The aim of this study is to explore the orthopaedic trauma patient's experience in accessing medical care in Uganda and what affects the injury might have on the socioeconomic status for the patient and their dependents. We also evaluate the factors that impact an individual's ability to access an appropriate treatment facility for their traumatic injury. Semi-structured interviews were conducted with patients 18 year of age or older admitted with a fractured tibia or femur at Mulago National Referral Hospital in Kampala, Uganda. As limited literature exists on the socioeconomic impacts of disability from trauma, we designed a descriptive qualitative case study, using thematic analysis, to extract unique information for which little has been previously been documented. This methodology is subject to less bias than other qualitative methods as it imposes fewer preconceptions. Data analysis of the patient interviews (n = 35) produced over one hundred codes, nine sub-themes and three overarching themes. The three overarching categories revealed by the data were: 1) the importance of social supports; 2) the impact of and on economic resources; and 3) navigating the healthcare system. Limited resources to fund the treatment of orthopaedic trauma patients in Uganda leads to reliance of patients on their friends, family, and hospital connections, and a tremendous economic burden that falls on the patient and their dependents.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,009 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».