A Systematic Review of Radiotherapy Capacity in Low- and Middle-Income Countries
Notice bibliographique
Résumé
OBJECTIVES: The cancer burden in low- and middle-income countries (LMIC) is substantial. The purpose of this study was to identify and describe country and region-specific patterns of radiotherapy (RT) facilities in LMIC. METHODS: A systematic review of the literature was undertaken. A search strategy was developed to include articles on radiation capacity in LMIC from the following databases: PubMed, Embase, CINAHL Plus, Global Health, and the Latin American and Caribbean System on Health Sciences Information. Searches included all literature up to April 2013. RESULTS: A total of 49 articles were included in the review. Studies reviewed were divided into one of four regions: Africa, Asia, Eastern Europe, and South America. The African continent has the least amount of resources for RT. Furthermore, a wide disparity exists, as 60% of all machines on the continent are concentrated in Egypt and South Africa while 29 countries in Africa are still lacking any RT resource. A significant heterogeneity also exists across Southeast Asia despite a threefold increase in megavoltage teletherapy machines from 1976 to 1999, which corresponds with a rise in economic status. In LMIC of the Americas, only Uruguay met the International Atomic Energy Agency recommendations of 4 MV/million population, whereas Bolivia and Venezuela had the most radiation oncologists (>1 per 1000 new cancer cases). The main concern with the review of RT resources in Eastern Europe was the lack of data. CONCLUSION: There is a dearth of publications on RT therapy infrastructure in LMIC. However, based on limited published data, availability of RT resources reflects the countries' economic status. The challenges to delivering radiation in the discussed regions are multidimensional and include lack of physical resources, lack of human personnel, and lack of data. Furthermore, access to existing RT and affordability of care remains a large problem.
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 | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,018 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».