Geospatial Mapping of Pediatric Surgical Capacity in North Kivu, Democratic Republic of Congo
Notice bibliographique
Résumé
BACKGROUND: Despite recent attention to the provision of healthcare in low- and middle-income countries, improvements in access to surgical services have been disproportionately lagging. METHODS: This study analyzes the geographic variability in access to pediatric surgical services in the province of North Kivu, Democratic Republic of Congo (DRC). On-site data collection was conducted using the Global Assessment of Pediatric Surgery tool. Spatial distribution of providers was mapped using the Geographical Information System and open-sourced spatial data to determine distances traveled to access surgical care. RESULTS: Forty facilities were evaluated across 32 health zones; 68.9% of the provincial population was within 15 km of these facilities. Eleven facilities met a minimum World Health Organization safety score of 8; 48.1% of the population was within 15 km of corresponding facilities. The majority of children were treated by someone with specific pediatric surgery training in only 4 facilities; one facility had a trained pediatric anesthesia provider. Fifty-seven percent of the population was within 15 km of a facility with critical care and emergency medicine (EM) capabilities. There was one pediatric critical care provider and no pediatric EM providers identified within the province. Location-allocation assessment is needed to combine geographic area with potential for greatest impact and facility assessment. CONCLUSIONS: Limitations in access to surgical care in the DRC are multifactorial with poor resources, few formally trained surgical providers, and near-absent access to pediatric anesthesiologists. The study highlights the deficits in the capacity for surgical care while demonstrating a reproducible model for assessment and identification of ways to improve access to care.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».