Developing nephrology services in low income countries: a case of Tanzania
Notice bibliographique
Résumé
BACKGROUND: The burden of kidney diseases is reported to be higher in lower- and middle-income countries as compared to developed countries, and countries in sub-Saharan Africa are reported to be most affected. Health systems in most sub-Sahara African countries have limited capacity in the form of trained and skilled health care providers, diagnostic support, equipment and policies to provide nephrology services. Several initiatives have been implemented to support establishment of these services. METHODS: This is a situation analysis to examine the nephrology services in Tanzania. It was conducted by interviewing key personnel in institutions providing nephrology services aiming at describing available services and international collaborators supporting nephrology services. RESULTS: Tanzania is a low-income country in Sub-Saharan Africa with a population of more than 55 million that has seen remarkable improvement in the provision of nephrology services and these include increase in the number of nephrologists to 14 in 2018 from one in 2006, increase in number of dialysis units from one unit (0.03 unit per million) before 2007 to 28 units (0.5 units per million) in 2018 and improved diagnostic services with introduction of nephropathology services. Government of Tanzania has been providing kidney transplantation services by funding referral of donor and recipients abroad and has now introduced local transplantation services in two hospitals. There have been strong international collaborators who have supported nephrology services and establishment of nephrology training in Tanzania. CONCLUSION: Tanzania has seen remarkable achievement in provision of nephrology services and provides an interesting model to be used in supporting nephrology services in low income countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».