Pediatric Emergency and Critical Care Resources and Infrastructure in Resource-Limited Settings: A Multicountry Survey*
Notice bibliographique
Résumé
OBJECTIVES: To describe the infrastructure and resources for pediatric emergency and critical care delivery in resource-limited settings worldwide. DESIGN: Cross-sectional survey with survey items developed through literature review and revised following piloting. SETTING: The electronic survey was disseminated internationally in November 2019 via e-mail directories of pediatric intensive care societies and networks and using social media. PATIENTS: Healthcare providers who self-identified as working in resource-limited settings. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Results were summarized using descriptive statistics and resource availability was compared across World Bank country income groups. We received 328 responses (238 hospitals, 60 countries), predominantly in Latin America and Sub-Saharan Africa (n = 161, 67.4%). Hospitals were in low-income (28, 11.7%), middle-income (166, 69.5%), and high-income (44, 18.4%) countries. Across 174 PICU and adult ICU admitting children, there were statistically significant differences in the proportion of hospitals reporting consistent resource availability ("often" or "always") between country income groups (p < 0·05). Resources with limited availability in lower income countries included advanced ventilatory support, invasive and noninvasive monitoring, central venous access, renal replacement therapy, advanced imaging, microbiology, biochemistry, blood products, antibiotics, parenteral nutrition, and analgesic/sedative drugs. Seventy-seven ICUs (52.7%) were staffed 24/7 by a pediatric intensivist or anesthetist. The nurse-to-patient ratio was less than 1:2 in 71 ICUs (49.7%). CONCLUSIONS: Contemporary data demonstrate significant disparity in the availability of essential and advanced human and material resources for the care of critically ill children in resource-limited settings. Minimum standards for essential pediatric emergency and critical care in resource-limited settings are needed.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».