Care for children with special health care needs in disasters
Notice bibliographique
Résumé
There are approximately 80 million children in the United States of America. 12 million are children with special special health care needs(CSHCN) [14]. Problems caused by a disaster, including access to shelter, food, water, and supervision, are only the beginning. These children are also dependent on medications, specialized equipment (which frequently requires a source of electricity to operate), and the knowledge and skill of their family and/or health professional caregivers to keep them alive and healthy. CSHCN have an amplified vulnerability due to the identified problems in organizing and providing care for these populations in recent disasters (e.g. hurricane Katrina) [4]. Therefore, only preparation at all levels of health care and government will mitigate the risk of (or even prevent) instability and mortality in CSHCN as a result of a disaster situation. The pediatric rehabilitation team can have an important role to play by providing guidance and education to families of children with CSHCN on appropriate and meaningful preparedness, participating in community and health care planning, performing primary care, and providing expertise to other care providers during an event. All members of the team, including physical, occupational, and speech therapists, social workers, nursing, etc., should encourage parents of CSHCN to be aware of the issues regarding the care of their child in case of a disaster. 2. Overview of CSHCN and TAC (Technologically Assisted Children)
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».