Mapping Geospatial Access to Comprehensive Cancer Care in Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE To address the increasing burden of cancer in Nigeria, the National Cancer Control Plan outlines the development of 8 public comprehensive cancer centers. We map population-level geospatial access to these eight centers and explore equity of access and the impact of future development. METHODS Geospatial methods were used to estimate population-level travel times to the 8 cancer centers. A cost distance model was built using open source road infrastructure data with verified speed limits. Geolocated population estimates were amalgamated with this model to calculate travel times to cancer centers at a national and regional level for both the entire population and the population living on < US$2 per day. RESULTS Overall, 68.9% of Nigerians have access to a comprehensive cancer center at 4 hours of continuous vehicular travel. However, there is significant variability in access between geopolitical zones ( P < .001). The North East has the lowest access at 4 hours (31.4%) and the highest mean travel times (268 minutes); this is significantly lower than the proportion with 4-hour access in the South East (31.4% v 85.0%, respectively; P < .001). The addition of a second comprehensive cancer center in the North East, in either Bauchi or Gombe, would significantly improve access to this underserved region. CONCLUSION The Federal Ministry of Health endorses investment in 8 public comprehensive cancer centers. Strengthening these centers will allow the majority of Nigerians to access the full complement of multidisciplinary care within a reasonable time frame. However, geospatial access remains inequitable, and the impact on outcomes is unclear. This must be considered as the cancer control system matures and expands.
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.
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 | 0,000 |
| 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 découle