Disaster management in rural and remote primary healthcare settings: a scoping review protocol
Notice bibliographique
Résumé
OBJECTIVE: This scoping review aims to systematically identify and map the roles of primary healthcare professionals in rural and remote areas during natural, man-made and pandemic disasters. INTRODUCTION: Disasters can be caused by natural events, man-made incidents or infective agents resulting in a pandemic. Healthcare practitioners working in primary care settings have important roles during disaster prevention, preparedness, response and recovery. When rural and remote settings are affected by disasters, there are unique challenges for healthcare professionals. This review will aim to contribute to disaster management knowledge within rural and remote primary health care, and assist in the development of practice-based disaster preparedness and future policy discussion. INCLUSION CRITERIA: This review will consider studies that include primary healthcare professionals, defined as having first-level contact with patients in the community, in rural or remote areas only. The role of the healthcare professional will also be discussed within the paper. Research from Australia, Canada, the USA, New Zealand and the UK will be included. METHODS: Databases to be searched include CINAHL (EBSCOhost), PubMed, Scopus and Embase (Elsevier), as well as gray literature within Trove, MedNar and OpenGrey. The search will be limited to articles written in English and published from 1978 to the present. Titles and abstracts will be screened by two independent reviewers, and full-text studies will be retrieved and assessed against the inclusion criteria. Results will be recorded in a Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) diagram. Data will be extracted and presented as a tabular summary with supporting narratives and figures.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».