Emergency Surgery Data and Documentation Reporting Forms for Sudden-Onset Humanitarian Crises, Natural Disasters and the Existing Burden of Surgical Disease
Notice bibliographique
Résumé
Following large-scale disasters and major complex emergencies, especially in resource-poor settings, emergency surgery is practiced by Foreign Medical Teams (FMTs) sent by governmental and non-governmental organizations (NGOs). These surgical experiences have not yielded an appropriate standardized collection of data and reporting to meet standards required by national authorities, the World Health Organization, and the Inter-Agency Standing Committee's Global Health Cluster. Utilizing the 2011 International Data Collection guidelines for surgery initiated by Médecins Sans Frontières, the authors of this paper developed an individual patient-centric form and an International Standard Reporting Template for Surgical Care to record data for victims of a disaster as well as the co-existing burden of surgical disease within the affected community. The data includes surgical patient outcomes and perioperative mortality, along with referrals for rehabilitation, mental health and psychosocial care. The purpose of the standard data format is fourfold: (1) to ensure that all surgical providers, especially from indigenous first responder teams and others performing emergency surgery, from national and international (Foreign) medical teams, contribute relevant and purposeful reporting; (2) to provide universally acceptable forms that meet the minimal needs of both national authorities and the Health Cluster; (3) to increase transparency and accountability, contributing to improved humanitarian coordination; and (4) to facilitate a comprehensive review of services provided to those affected by the crisis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».