MétaCan
Menu
Retour à la cohorte
Enregistrement W2618874253 · doi:10.1136/bmjgh-2016-000265

New global surgical and anaesthesia indicators in the World Development Indicators dataset

2017· editorial· en· W2618874253 sur OpenAlexaff
Nakul Raykar, Joshua S Ng-Kamstra, Stephen W. Bickler, Justine Davies, Sarah Greenberg, Lars Hagander, Walt Johnson, Andrew Leather, Kelly McQueen, Swagoto Mukhopadhyay, Emi Suzuki, Thomas G. Weiser, Mark G. Shrime, John G. Meara

Notice bibliographique

RevueBMJ Global Health · 2017
Typeeditorial
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensUniversity of Toronto
Organismes subventionnairesWorld Health Organization
Mots-clésRegional anaesthesiaMedicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

Although 5 billion people lack access to surgery and anaesthesia care, little systems-level data exist to address this health inequity and social injustice.1 Data drive quality improvement processes in business and health systems in high-resource settings, but clinicians and policymakers in low-resource environments have been metaphorically—and often literally—operating in the dark. The challenges to obtaining accurate health systems data involve nearly all clinical delivery platforms in global health and have been well documented and are also relevant to surgery and anaesthesia.2 They include insufficient national-level investment in analytics, insufficient donor investment in data collection, little analysis of global health funding streams, limited tools and resources for data collection at the local level, and limited accessibility of collected data to those best positioned to implement data-driven solutions. Such gaps undermine advocacy, as the problems remain invisible and thus fail to inspire political will.In January 2014, at the inception of a global surgical movement designed to realign stakeholders into a structured approach to surgical systems strengthening, Dr Jim Kim, President of the World Bank Group, challenged The Lancet Commission on Global Surgery (LCoGS) to develop consensus-based indicators and time-bound targets to track progress. Sixteen months later, in April 2015, after thorough consultation with clinicians, researchers, hospital administrators and policymakers, the Commission recommended six core indicators to assess surgical and anaesthesia systems strength.3 When these indicators (summarised in table 1) are considered together, they serve as basic proxies of surgical health system functioning.View this table:In this windowIn a new windowTable 1 Data obtained per indicator including totalThe LCoGS indicators assess multiple aspects of surgical and anaesthesia care delivery within a country. Where are the facilities capable of providing surgical care and how close are they to the populations that need them? How many surgical and anaesthesia providers are present? What quantity of surgical care is provided to a population? …

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)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,011
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,014

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 Opus0,020
Tête enseignante GPT0,402
Écart entre enseignants0,382 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations40
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetGlobal Health and SurgeryTravaux en français237 207