MétaCan
Menu
Retour à la cohorte
Enregistrement W4226408203 · doi:10.1016/j.lana.2022.100210

Interpersonal challenges in surgical care provision in rural Mexico: A qualitative study

2022· article· en· W4226408203 sur OpenAlexaff
Valeria Macías, Zulema Garcia, William Pavlis, Zachary Fowler, Tarsicio Uribe‐Leitz, Hannah Gilbert, Lina Roa, Mary‐Jo DelVecchio Good

Notice bibliographique

RevueThe Lancet Regional Health - Americas · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Health, Geopolitics, Historical Geography
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésReferralThematic analysisNursingHealth careTeamworkQualitative researchMedicineDehumanizationFeelingPsychologyPolitical scienceSociologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Background: Chiapas is among the states with the lowest access to health care in Mexico. A better understanding of the role of interpersonal relationships in referral systems could improve access to care in the region. The purpose of this study was to analyze the underlying barriers and facilitators to accessing surgical care at public hospitals run by the Ministry of Health in Chiapas. Methods: In this qualitative interview study, we performed semi-structured interviews with 19 surgical patients and 18 healthcare workers at three public hospitals in the Fraylesca Region of Chiapas to explore barriers and facilitators to successfully accessing surgical treatment. Transcripts were coded and analyzed using an inductive, thematic approach to data analysis. Findings: The five major themes identified as barriers to surgical care were dehumanization of patients, the toll of rehumanizing patients, animosity in the system, the refraction of violence onto patients, and poor resource coordination. Three themes identified as facilitators to receiving care were teamwork, social capital, and accompaniment. Interpretation: Health care workers described a culture of demoralization and mistrust within the health system worsened by a scarcity of resources. As a result, patient care is hampered by conflict, miscommunication, and feelings of dehumanization. Efforts to improve access to surgical care in the region should consider strategies to improve teamwork and expand patient accompaniment. Funding: . Antecedentes: Chiapas es uno de los estados en Mexico con el menor acceso a la atención médica, y a los servicios quirúrgicos. Una mejor comprensión del papel de las relaciones interpersonales en los sistemas de referencias podría mejorar el acceso a la atención medica en la región. El objetivo del estudio es analizar las barreras y facilitadores para acceder a la atención quirúrgica en los hospitales públicos pertenecientes a la Secretaria de Salud del estado de Chiapas. Método: En este estudio cualitativo, realizamos entrevistas semiestructuradas con 19 pacientes quirúrgicos y 18 trabajadores de la salud en tres hospitales públicos en la región de la Frailesca de Chiapas para explorar barreras y facilitadores para acceder al tratamiento quirúrgico. Las transcripciones se codificaron y analizaron utilizando un enfoque temático. Resultados: Las cinco barreras principales identificadas fueron la deshumanización de los pacientes, el costo a re humanizar pacientes, la animosidad en el sistema, la refracción de la violencia sobre los pacientes y la mala coordinación de recursos. Tres facilitadores para recibir cirugía fueron el trabajo en equipo, el capital social, y el acompañamiento. Interpretaciones: Los trabajadores de la salud describieron una cultura de desmoralización y desconfianza en el sistema de salud que se agrava con la escasez de recursos. Como resultado se obtiene, conflicto, falta de comunicación, y sentimientos de deshumanización que empeoran la atención al paciente. Recomendaciones para mejorar el acceso a los servicios quirúrgicos en la región incluyen estrategias para mejorar el trabajo en equipo y ampliar el acompañamiento de los pacientes. Financiamiento: La Universidad de Harvard y the Abundance Fund proporcionaron fondos para este proyecto. Las fuentes de financiamiento no influyen en la redacción ni en la publicación del manuscrito.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,004
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,153
Tête enseignante GPT0,458
Écart entre enseignants0,305 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Regional Health - AmericasMême sujetMigration, Health, Geopolitics, Historical GeographyTravaux en français237 207