Comprehensive Cleft Care Delivery in Developing Countries: Impact of Geographic and Demographic Factors
Notice bibliographique
Résumé
INTRODUCTION: The authors analyzed the insights of participants and faculty members of Global Smile Foundation's Comprehensive Cleft Care Workshops concerning the barriers and interventions to multidisciplinary cleft care delivery, after stratification based on demographic and geographic factors. METHODS: During 2 simulation-based Comprehensive Cleft Care Workshops organized by Global Smile Foundation, participants and faculty members filled a survey. Surveys included demographic and geographic data and investigated the most relevant barrier to multidisciplinary cleft care and the most significant intervention to deliver comprehensive cleft care in outreach settings, as perceived by participants. RESULTS: The total response rate was 57.8%. Respondents reported that the greatest barrier to comprehensive cleft care was financial, and the most relevant intervention to deliver multidisciplinary cleft care was building multidisciplinary teams. Stratification by age, gender, and geographical area showed no statistical difference in reporting that the greatest barrier to cleft care was financial. However, lack of multidisciplinary teams was the most important barrier according to respondents with less than 5 years of experience (P = 0.03). Stratification by gender, years in practice, specialty, and geographical area showed no statistical difference, with building multidisciplinary teams reported as the most significant intervention. However, increased training was reported as the main intervention to cleft care for those aged less than 30 years old (P = 0.04). CONCLUSIONS: Our study delivers an assessment for barriers facing multidisciplinary cleft care delivery and interventions required to improve cleft care delivery. The authors are hoping that stratification by demographic and geographic factors will help them delineate community-specific road maps to refine cleft care delivery.
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 | 0,006 |
| 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 | 0,001 | 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) | 0,003 | 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 ».