Bridging the Distance in the Caribbean: Telemedicine as a means to build capacity for care in paediatric cancer and blood disorders
Notice bibliographique
Résumé
Over the past 50 years, survival for children in high-income countries has increased from 30% to over 80%, compared to 10-30% in low and middle income countries (LMIC). Given this gap in survival, established paediatric cancer treatment centres, such as The Hospital for Sick Children (SickKids) are well positioned to share clinical expertise. Through the SickKids Centre for Global Child Health, the SickKids-Caribbean Initiative (SCI) was launched in March 2013 to improve the outcomes and quality of life for children with cancer and blood disorders in the Caribbean. The six participating Caribbean countries are among those defined by the United Nations as Small Island Developing States, due to their small size, remote location and limited accessibility. Telemedicine presents an opportunity to increase their accessibility to health care services and has been used by SCI to facilitate two series of interprofessional rounds. Case Consultation Review Rounds are a forum for learning about diagnostic work-up, management challenges and treatment recommendations for these diseases. To date, 54 cases have been reviewed by SickKids staff, of which 35 have been presented in monthly rounds. Patient Care Education Rounds provide nurses and other staff with the knowledge base needed to safely care for children and adolescents receiving treatment. Five of these rounds have taken place to date, with over 200 attendees. Utilized by SCI for both clinical and non-clinical meetings, telemedicine has enhanced opportunities for collaboration within the Caribbean region. By building capacity and nurturing expert knowledge through education, SCI hopes to contribute to closing the gap in childhood survival between high and low-resource settings.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».