MétaCan
Menu
Retour à la cohorte
Enregistrement W2128591719 · doi:10.1111/tmi.12371

Scarcity of protective items against HIV and other bloodborne infections in 13 low‐ and middle‐income countries

2014· review· en· W2128591719 sur OpenAlexaff
Shailvi Gupta, Evan G. Wong, Adam L. Kushner

Notice bibliographique

RevueTropical Medicine & International Health · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueInfection Control in Healthcare
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésTanzaniaMedicineSierra leonePsychological interventionDeveloping countryEnvironmental healthWorkforceHealth carePersonal protective equipmentLow and middle income countriesMedical emergencySocioeconomicsNursingEconomic growthCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess protection of surgical healthcare workers against HIV and other bloodborne infections in low- and middle-income countries (LMICs). METHODS: Literature review based on recent studies assessing baseline surgical capacity in LMICs using the WHO Situational Analysis of Access to Emergency and Essential Surgical Care, the Surgeons OverSeas (SOS) Personnel, Infrastructure, Procedures, Equipment and Supplies (PIPES) survey and the Harvard Humanitarian Initiative survey tools. The availability of protective eyewear, sterile gloves and sterilisers was assessed. RESULTS: Thirteen individual country studies with relevant data were identified documenting items from 399 hospitals. The countries included Afghanistan, Bolivia, Gambia, Ghana, Liberia, Mongolia, Nigeria, Sierra Leone, Solomon Islands, Somalia, Sri Lanka, Tanzania and Zambia. Overall, only 29% (79/270) of hospitals always had eye protection. Sterilisers were only available at 64% (244/383) of facilities. Sterile gloves were the most available item, available at 75% of facilities (256/340). CONCLUSION: Surgical healthcare worker protection for bloodborne infections continues to be deficient in LMICs. Improved documentation of these items should be incorporated into future surgical capacity studies. Policy makers and clinicians should work together to secure resources and interventions that will protect this vital workforce.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,392
Écart entre enseignants0,344 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTropical Medicine & International HealthMême sujetInfection Control in HealthcareTravaux en français237 207