Surgical applications of ultrasound use in low‐ and <scp>middle‐income</scp> countries: A systematic review
Notice bibliographique
Résumé
Background: Ultrasound is a portable technology able to deploy health care effectively in low resource settings. This study presents a systematic review to determine trends in the utility and applicability of this technology in low- and middle-income countries (LMIC), specifically for surgical applications. The review includes characterising and evaluating trends in the geographic and specialty-specific use of ultrasound pertaining to surgical disease. Methods: The databases such as Medline OVID, EMBASE and Cochrane were searched from 2010 through March 2019 for studies available in English, French and Spanish. Commentaries, opinion articles, reviews and book chapters were excluded. A categorical analysis of ultrasound use for surgical disease in LMICs was conducted. Results: A total of 6276 articles were identified, with 4563 studies included for the final review. A total of 221 studies were selected researching ultrasound use in LMICs to treat surgical disease. Most studies identified ultrasound usage focused on general surgery, acute care surgery and surgical ICU topics (52%, 115) followed by computed tomography surgery studies (20%, 44). Most studies were retrospective in nature, with 81% (180) of research studies generated in four countries (India, Pakistan, Nigeria and Egypt). Ultrasound proved to be a feasible technique for utility in pre-operative diagnosis, cost-effectiveness and prediction of surgical outcomes. Findings are limited by the limited number of randomised clinical trials reported. Conclusion and global health implications: Our systematic literature review of ultrasound use in LMICs demonstrates the growing utilisation of this relatively low-cost, portable imaging technology in low resource settings for surgical disease.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 tête enseignante, 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 ».