Assessment of diagnostics capacity in hospitals providing surgical care in two Latin American states
Notice bibliographique
Résumé
Background Diagnostic services are an essential component of high-quality surgical, anesthesia and obstetric (SAO) care. Efforts to scale up SAO care in Latin America have often overlooked diagnostics capacity. This study aims to analyze the capacity of diagnostic services, including radiology, pathology, and laboratory medicine, in hospitals providing SAO care in the states of Chiapas, Mexico and Amazonas, Brazil. Methods A stratified cross-sectional evaluation of diagnostic capacity in hospitals performing surgery in Chiapas and Amazonas was performed using the Surgical Assessment Tool (SAT). National data sources were queried for indicators of diagnostics capacity in terms of workforce, infrastructure and diagnosis utilization. Fisher's exact tests and chi-square tests were used to compare categorical variables between the private and public sector in Chiapas while descriptive statistics are used to compare Amazonas and Chiapas. Findings In Chiapas, 53% ( n = 17) of public and 34% ( n = 20) of private hospitals providing SAO care were assessed. More private hospitals than public hospitals could always provide x-rays (35% vs 23.5%) and ultrasound (85% vs 47.1%). However neither sector could consistently perform basic laboratory testing such as complete blood counts (70.6% public, 65% private). In Amazonas, 30% ( n = 18) of rural hospitals were surveyed. Most had functioning x-ray machine (77.8%) and ultrasound (55.6%). The majority of hospitals could provide complete blood count (66.7%) but only one hospital (5.6%) could always perform an infectious panel. Both Chiapas and Amazonas had dramatically fewer diagnostic practitioners per capita in each state compared to the national average capacity. Interpretation Facilities providing SAO care in low-resource states in Mexico and Brazil often lack functioning diagnostics services and workforce. Scale-up of diagnostic services is essential to improve SAO care and should occur with emphasis on equitable and adequate resource allocation.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».