Provision of Surgical Care for Children Across Somaliland: Challenges and Policy Guidance
Notice bibliographique
Résumé
BACKGROUND: Existing data suggest a large burden of surgical conditions in low- and middle-income countries (LMICs). However, surgical care for children in LMICs remains poorly understood. Our goal was to define the hospital infrastructure, workforce, and delivery of surgical care for children across Somaliland and provide policy guidance to improve care. METHODS: We used two established hospital assessment tools to assess infrastructure, workforce, and capacity at all hospitals providing surgical care for children across Somaliland. We collected data on all surgical procedures performed in children in Somaliland between August 2016 and July 2017 using operative logbooks. RESULTS: Data were collected from 15 hospitals, including eight government, five for-profit, and two not-for-profit hospitals. Children represented 15.9% of all admitted patients, and pediatric surgical interventions comprised 8.8% of total operations. There were 0.6 surgical providers and 1.2 anesthesia providers per 100,000 population. A total of 1255 surgical procedures were performed in children in all hospitals in Somaliland over 1 year, at a rate of 62.4 surgical procedures annually per 100,000 children. Care was concentrated at private hospitals within urban areas, with a limited number of procedures for many high-burden pediatric surgical conditions. CONCLUSIONS: We found a profound lack of surgical capacity for children in Somaliland. Hospital-level surgical infrastructure, workforce, and care delivery reflects a severely resource-constrained health system. Targeted policy to improved essential surgical care at local, regional, and national levels is essential to improve the health of children in Somaliland.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».