Surgical Care during Humanitarian Crises: A Systematic Review of Published Surgical Caseload Data from Foreign Medical Teams
Notice bibliographique
Résumé
OBJECTIVE: Humanitarian surgery is often organized and delivered with short notice and limited time for developing unique strategies for providing care. While some surgical pathologies can be anticipated by the nature of the crisis, the role of foreign medical teams in treating the existing and unmet burden of surgical disease during crises is unclear. The purpose of this study was to examine published data from crises during the years 1990 through 2011 to understand the role of foreign medical teams in providing surgical care in these settings. METHODS: A literature search was completed using PubMed, MEDLINE, and EMBASE databases to locate relevant manuscripts published in peer-reviewed journals. A qualitative review of the surgical activities reported in the studies was performed. RESULTS: Of 185 papers where humanitarian surgical care was provided by a foreign medical team, only 11 articles met inclusion criteria. The reporting of surgical activities varied significantly, and pooled statistical analysis was not possible. The quality of reporting was notably poor, and produced neither reliable estimates of the pattern of surgical consultations nor data on the epidemiology of the burden of surgical diseases. The qualitative trend analysis revealed that the most frequent procedures were related to soft tissue or orthopedic surgery. Procedures such as caesarean sections, hernia repairs, and appendectomies also were common. As length of deployment increased, the surgical caseload became more reflective of the existing, unmet burden of surgical disease. CONCLUSIONS: This review suggests that where foreign medical teams are indicated and requested, multidisciplinary surgical teams capable of providing a range of emergency and essential surgical, and rehabilitation services are required. Standardization of data collection and reporting tools for surgical care are needed to improve the reporting of surgical epidemiology in crisis-affected populations.
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 | 0,015 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,030 | 0,030 |
| 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) | 0,005 | 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 ».