MétaCan
Menu
Retour à la cohorte
Enregistrement W2213610248 · doi:10.1186/s12913-015-1223-3

Point-of-care testing in India: missed opportunities to realize the true potential of point-of-care testing programs

2015· article· en· W2213610248 sur OpenAlexaff
Nora Engel, Gayatri Ganesh, Mamata R Patil, Vijayashree Yellappa, Caroline Vadnais, Nitika Pant Pai, Madhukar Pai

Notice bibliographique

RevueBMC Health Services Research · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensMcGill University Health CentreRoyal Victoria Regional Health CentreRoyal Victoria HospitalMcGill University
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésMedicinePoint-of-care testingReferralHealth administrationContext (archaeology)Health carePublic healthTest (biology)Health informaticsFocus groupPoint of careNursingFamily medicineNursing researchMedical emergencyMarketingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The core objective of any point-of-care (POC) testing program is to ensure that testing will result in an actionable management decision (e.g. referral, confirmatory test, treatment), within the same clinical encounter (e.g. POC continuum). This can but does not have to involve rapid tests. Most studies on POC testing focus on one specific test and disease in a particular healthcare setting. This paper describes the actors, technologies and practices involved in diagnosing major diseases in five Indian settings - the home, community, clinics, peripheral laboratories and hospitals. The aim was to understand how tests are used and fit into the health system and with what implications for the POC continuum. METHODS: The paper reports on a qualitative study including 78 semi-structured interviews and 13 focus group discussions with doctors, nurses, patients, lab technicians, program officers and informal providers, conducted between January and June 2013 in rural and urban Karnataka, South India. Actors, diseases, tests and diagnostic processes were mapped for each of the five settings and analyzed with regard to whether and how POC continuums are being ensured. RESULTS: Successful POC testing hardly occurs in any of the five settings. In hospitals and public clinics, most of the rapid tests are used in laboratories where either the single patient encounter advantage is not realized or the rapidity is compromised. Lab-based testing in a context of manpower and equipment shortages leads to delays. In smaller peripheral laboratories and private clinics with shorter turn-around-times, rapid tests are unavailable or too costly. Here providers find alternative measures to ensure the POC continuum. In the home setting, patients who can afford a test are not/do not feel empowered to use those devices. CONCLUSION: These results show that there is much diagnostic delay that deters the POC continuum. Existing rapid tests are currently not translated into treatment decisions rapidly or are not available where they could ensure shorter turn-around times, thus undermining their full potential. To ensure the success of POC testing programs, test developers, decision-makers and funders need to account for such ground realities and overcome barriers to POC testing programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,004
Communication savante0,0040,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,286
Tête enseignante GPT0,442
Écart entre enseignants0,157 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations38
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetSARS-CoV-2 detection and testingTravaux en français237 207