Assessing the Short-Term Global Health Experience: A Cross-Sectional Study of Demographics, Socioeconomic Factors, and Disease Prevalence
Notice bibliographique
Résumé
Interest in short-term global health experiences to underserviced populations has grown rapidly in the last few decades. However, there remains very little research on what participants can expect to encounter. At the same time, it has been suggested that in order for physicians and workers to provide safe and effective care, volunteers should have a basic understanding of local culture, health systems, epidemiology, and socioeconomic needs of the community before arriving. Our objective was to add to the limited literature on what short-term global health trips can expect to encounter through a cross-sectional study of patient demographics, socioeconomic markers, and the prevalence of diseases encountered on a short-term medical service trip to Lima, Peru. Descriptive analysis was conducted on clinic data collected from patients living in Pamplona Alta and Pamplona Baja, Lima, Peru, in July 2015. We found that volunteers encountered mainly female patients (70.8%), and that there were significant socioeconomic barriers to care including poverty, poor housing, environmental exposures, and lack of continuity of health care. Analysis of the disease prevalence found a high proportion of acute and chronic musculoskeletal pain in the adult populations (18.8% and 11.4%, respectively), and a high presentation of upper respiratory tract infections (25.4%) and parasites (22.0%) in the pediatric group. These findings can be used by future short-term medical service trips to address potential gaps in care including the organization of weekend clinics to allow access to working men, and the use of patient education and nonpharmacological management of acute and chronic disease.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».