MétaCan
Menu
Retour à la cohorte
Enregistrement W3204410465 · doi:10.1016/s2214-109x(21)00442-3

Availability of essential diagnostics in ten low-income and middle-income countries: results from national health facility surveys

2021· article· en· W3204410465 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Lancet Global Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical Laboratory Practices and Quality Control
Établissements canadiensUniversity of WaterlooPublic Health OntarioUniversity of Toronto
Organismes subventionnairesBill and Melinda Gates Foundation
Mots-clésTanzaniaMalariaMedicinePopulationEnvironmental healthHealth facilityHealth careBusinessGeographyHealth servicesEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Pathology and laboratory medicine diagnostics and diagnostic imaging are crucial to achieving universal health coverage. We analysed Service Provision Assessments (SPAs) from ten low-income and middle-income countries to benchmark diagnostic availability. METHODS: Diagnostic availabilities were determined for Bangladesh, Haiti, Malawi, Namibia, Nepal, Kenya, Rwanda, Senegal, Tanzania, and Uganda, with multiple timepoints for Haiti, Kenya, Senegal, and Tanzania. A smaller set of diagnostics were included in the analysis for primary care facilities compared with those expected at hospitals, with 16 evaluated in total. Surveys spanned 2004-18, including 8512 surveyed facilities. Country-specific facility types were mapped to basic primary care, advanced primary care, or hospital tiers. We calculated percentages of facilities offering each diagnostic, accounting for facility weights, stratifying by tier, and for some analyses, region. The tier-level estimate of diagnostic availability was defined as the median of all diagnostic-specific availabilities at each tier, and country-level estimates were the median of all diagnostic-specific availabilities of each of the tiers. Associations of country-level diagnostic availability with country income as well as (within-country) region-level availability with region-specific population densities were determined by multivariable linear regression, controlling for appropriate covariates including tier. FINDINGS: Median availability of diagnostics was 19·1% in basic primary care facilities, 49·2% in advanced primary care facilities, and 68·4% in hospitals. Availability varied considerably between diagnostics, ranging from 1·2% (ultrasound) to 76·7% (malaria) in primary care (basic and advanced) and from 6·1% (CT scan) to 91·6% (malaria) in hospitals. Availability also varied between countries, from 14·9% (Bangladesh) to 89·6% (Namibia). Availability correlated positively with log(income) at both primary care tiers but not the hospital tier, and positively with region-specific population density at the basic primary care tier only. INTERPRETATION: Major gaps in diagnostic availability exist in many low-income and middle-income countries, particularly in primary care facilities. These results can serve as a benchmark to gauge progress towards implementing guidelines such as the WHO Essential Diagnostics List and Priority Medical Devices initiatives. FUNDING: Bill & Melinda Gates Foundation.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,410
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle