Decentralized, primary-care delivered epilepsy services in Burera District, Rwanda: Service use, feasibility, and treatment
Notice bibliographique
Résumé
BACKGROUND: Integrating epilepsy care into primary care settings could reduce the global burden of illness attributable to epilepsy. Since 2012, the Rwandan Ministry of Health and the international nonprofit Partners In Health have collaboratively used a multi-faceted implementation program- MESH MH-to integrate and scale-up care for epilepsy and mental disorders within rural primary care settings in Burera district, Rwanda. We here describe demographics, service use and treatment patterns for patients with epilepsy seeking care at MESH-MH supported primary care health centers. METHODS AND FINDINGS: This was a retrospective cohort study using routinely collected data from fifteen health centers in Burera district, from January 2015 to December 2016. 286 patients with epilepsy completed 3307 visits at MESH-MH participating health centers over a two year period (Jan 1st 2015 to Dec 31st 2016). Men were over twice as likely to be diagnosed with epilepsy than women (OR 2.38, CI [1.77-3.19]), and children under 10 were thirteen times as likely to be diagnosed with epilepsy as those 10 and older (OR 13.27, CI [7.18-24.51]). Carbamazepine monotherapy was prescribed most frequently (34% of patients). CONCLUSION: Task-sharing of epilepsy care to primary care via implementation programs such as MESH-MH has the potential to reduce the global burden of illness attributable to epilepsy.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».