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
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».