MétaCan
Menu
Retour à la cohorte
Enregistrement W2752322426 · doi:10.2217/nmt-2017-0014

Treatment Gaps in Parkinson’s Disease Care in the Philippines

2017· review· en· W2752322426 sur OpenAlexaff
Roland Dominic G. Jamora, Janis M. Miyasaki

Notice bibliographique

RevueNeurodegenerative Disease Management · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensCentre for Movement DisordersUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHealth careMedicineGovernment (linguistics)DiseaseDeveloping countryPopulationEpidemiologyBusinessEconomic growthEnvironmental healthEconomics

Résumé

récupéré en direct d'OpenAlex

Neurological services and resources are scarce in low-income and developing countries, such as the Philippines. We looked into the treatment gaps in Parkinson's disease (PD) care in the Philippines in the following areas: epidemiology, healthcare, financial coverage, pharmacotherapy, surgical treatment and manpower. We collected relevant data on the above-mentioned areas. There is no available Philippine data on PD prevalence. Philippine healthcare is paid through user fees at the point of service. The average consultation fee in Manila ranges from US$10.57-31.74. The average minimum daily wage is US$9.39-10.17. Philippine healthcare is devolved to the local government units. Deep brain stimulation surgery is only available in Manila. Most PD medications are available in the Philippines. There are only nine movement disorder specialists for a population of 100.98 million. Gaps and challenges in PD care in the Philippines still exist.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,963
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,072
Tête enseignante GPT0,358
Écart entre enseignants0,286 · 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

Citations38
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurodegenerative Disease ManagementMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207