Primary care for India’s urban dwellers living in informal settlements during the COVID-19 pandemic: The experience of the Christian Medical College, Vellore, Department of Family Medicine
Notice bibliographique
Résumé
THE COVID-19 PANDEMIC has affected the entire global community.By August 2020, India had seen over 2.8 million cases and 55,000 deaths. 1 COVID-19 disproportionally affects India's 81 million people living in urban informal settlements, where inadequate housing, water and sanitation increase the risk and rate of infection.2 Healthcare in India is provided by a combination of public and private providers, where public insurance schemes have been historically ineffective in providing full coverage.3 Innovative ways to provide care to these vulnerable communities during the pandemic are essential.Christian Medical College (CMC), Vellore, is a non-profit medical school, hospital and research institute in Vellore, Tamil Nadu, India.4 CMC's Low-Cost Effective Care Unit (LCECU) is run by CMC's Department of Family Medicine (DFM) to respond to the healthcare needs of the urban dwellers living in informal settlements.The unit is staffed by 75 employees and comprises four family physicians, two community medicine physicians, a pharmacy, a laboratory and a 48-bed ward including a labour room.In 2019-20, the LCECU saw 77,875 patients.Patients receive free consultations and are admitted for subsidised care if needed.Diagnostic tests and medications are
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».