Perceived Barriers to Comprehensive Cleft Care Delivery
Notice bibliographique
Résumé
INTRODUCTION: We analyzed the perceptions of participants and faculty members in simulation-based comprehensive cleft care workshops regarding comprehensive cleft care delivery in developing countries. METHODS: Data were collected from participants and faculty members in 2 simulation-based comprehensive cleft care workshops organized by Global Smile Foundation. We collected demographic data and surveyed what they believed was the most significant barrier to comprehensive cleft care delivery and the most important intervention to deliver comprehensive cleft care in developing countries. We also compared participant and faculty responses. RESULTS: The total number of participants and faculty members was 313 from 44 countries. The response rate was 57.8%. The majority reported that the most significant barrier facing the delivery of comprehensive cleft care in developing countries was financial (35.0%), followed by the absence of multidisciplinary cleft teams (30.8%). The majority reported that the most important intervention to deliver comprehensive cleft care was creating multidisciplinary cleft teams (32.2%), followed by providing cleft training (22.6%). We found no significant differences in what participants and faculty perceived as the greatest barrier to comprehensive cleft care delivery (P = 0.46), or most important intervention to deliver comprehensive cleft care in developing countries (P = 0.38). CONCLUSIONS: Our study provides an appraisal of barriers facing comprehensive cleft care delivery and interventions required to overcome these barriers in developing countries. Future studies will be critical to validate or refute our findings, as well as determine country-specific roadmaps for delivering comprehensive cleft care to those who need it the most.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».