Surgical care for the direct and indirect victims of violence in the eastern Democratic Republic of Congo
Notice bibliographique
Résumé
BACKGROUND: The provision of surgical assistance in conflict is often associated with care for victims of violence. However, there is an increasing appreciation that surgical care is needed for non-traumatic morbidities. In this paper we report on surgical interventions carried out by Médecins sans Frontières in Masisi, North Kivu, Democratic Republic of Congo to contribute to the scarce evidence base on surgical needs in conflict. METHODS: We analysed data on all surgical interventions done at Masisi district hospital between September 2007 and December 2009. Types of interventions are described, and logistic regression used to model associations with violence-related injury. RESULTS: 2869 operations were performed on 2441 patients. Obstetric emergencies accounted for over half (675, 57%) of all surgical pathology and infections for another quarter (160, 14%). Trauma-related injuries accounted for only one quarter (681, 24%) of all interventions; among these, 363 (13%) were violence-related. Male gender (adjusted odds ratio (AOR) = 20.0, p < 0.001), military status (AOR = 4.1, p < 0.001), and age less than 20 years (AOR = 2.1, p < 0.001) were associated with violence-related injury. Immediate peri-operative mortality was 0.2%. CONCLUSIONS: In this study, most surgical interventions were unrelated to violent trauma and rather reflected the general surgical needs of a low-income tropical country. Programs in conflict zones in low-income countries need to be prepared to treat both the war-wounded and non-trauma related life-threatening surgical needs of the general population. Given the limited surgical workforce in these areas, training of local staff and task shifting is recommended to support broad availability of essential surgical care. Further studies into the surgical needs of the population are warranted, including population-based surveys, to improve program planning and resource allocation and the effectiveness of the humanitarian response.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».