MétaCan
Menu
Retour à la cohorte
Enregistrement W2084534643 · doi:10.1016/j.jegh.2014.08.003

Anaesthesia, surgery, obstetrics, and emergency care in Guyana

2014· article· en· W2084534643 sur OpenAlexaff
H.J. Vansell, Joseph J. Schlesinger, A Harvey, John Paul Rohde, S. Persaud, Kelly McQueen

Notice bibliographique

RevueJournal of Epidemiology and Global Health · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensGeorgetown Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineCaesarean sectionEconomic shortageChristian ministryHealth careRegional anaesthesiaMedical emergencyEmergency medicinePregnancySurgeryGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

The surgical and anaesthesia needs of low-income countries are mostly unknown due to the lack of data on surgical infrastructure and human resources. The goal of this study is to assess the surgical and anaesthesia capacity in Guyana. A survey tool adapted from the WHO Tool for Situational Analysis to Assess Emergency and Essential Surgical Care was used to survey nine regional and district hospitals within the Ministry of Health system in Guyana. In nine hospitals across Guyana, there were an average of 0.7 obstetricians/gynaecologists, 3.5 non-OB surgeons, and 1 anaesthesiologist per hospital. District and regional hospitals performed an annual total of 1520 and 10,340 surgical cases, respectively. All but 2 district hospitals reported the ability to perform surgery. An average hospital has two operating rooms; 6 out of 9 hospitals reported routine medication shortages, and 4 out of 9 hospitals reported routine water or electricity shortages. Amongst the three regional hospitals, 16.1% of pregnancies resulted in Caesarean section. Surgical capacity varies by hospital type, with district hospitals having the least surgical capacity and surgical volume. District level hospitals routinely do not perform surgery due to lack of basic infrastructure and human resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,381
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology and Global HealthMême sujetGlobal Health and SurgeryTravaux en français237 207