MétaCan
Menu
Retour à la cohorte
Enregistrement W4220802171 · doi:10.1016/s2214-109x(22)00048-1

Effect of unmanned aerial vehicle (drone) delivery on blood product delivery time and wastage in Rwanda: a retrospective, cross-sectional study and time series analysis

2022· article· en· W4220802171 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.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueThe Lancet Global Health · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensDalhousie UniversityUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of British ColumbiaCanada Research Chairs
Mots-clésDroneTime seriesCross-sectional studyProduct (mathematics)MedicineStatisticsBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The accessibility of blood and blood products remains challenging in many countries because of the complex supply chain of short lifetime products, timely access, and demand fluctuation at the hospital level. In an effort to improve availability and delivery times, Rwanda launched the use of drones to deliver blood products to remote health facilities. We evaluated the effect of this intervention on blood product delivery times and wastage. METHODS: We studied data from 20 health facilities between Jan 1, 2015, and Dec 31, 2019, in Rwanda. First, we did a cross-sectional comparison of data on emergency delivery times from the drone operator collected between March 17, 2017, and Dec 31, 2019, with two sources of estimated driving times (Regional Centre for Blood Transfusion estimates and Google Maps). Second, we used interrupted time series analysis and monthly administrative data to assess changes in blood product expirations after the commencement of drone deliveries. FINDINGS: Between March 17, 2017, and Dec 31, 2019, 12 733 blood product orders were delivered by drones. 5517 (43%) of 12 733 were emergency orders. The mean drone delivery time was 49·6 min (95% CI 49·1 to 50·2), which was 79 min faster than existing road delivery methods based on estimated driving times (p<0·0001) and 98 min faster based on Google Maps estimates (p<0·0001). The decrease in mean delivery time ranged from 3 min to 211 min depending on the distance to the facility and road quality. We also found a decrease of 7·1 blood unit expirations per month after the start of drone delivery (95% CI -11·8 to -2·4), which translated to a 67% reduction at 12 months. INTERPRETATION: We found that drone delivery led to faster delivery times and less blood component wastage in health facilities. Future studies should investigate if these improvements are cost-effective, and whether drone delivery might be effective for other pharmaceutical and health supplies that cannot be easily stored at remote facilities. FUNDING: Canadian Institutes for Health Research.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,182
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,259
Écart entre enseignants0,253 · 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