Planning for resilience in screening operations using discrete event simulation modeling: example of HPV testing in Peru
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization (WHO) has called for the elimination of cervical cancer. Unfortunately, the implementation of cost-effective prevention and control strategies has faced significant barriers, such as insufficient guidance on best practices for resource and operations planning. Therefore, we demonstrate the value of discrete event simulation (DES) in implementation science research and practice, particularly to support the programmatic and operational planning for sustainable and resilient delivery of healthcare interventions. Our specific example shows how DES models can inform planning for scale-up and resilient operations of a new HPV-based screen and treat program in Iquitos, an Amazonian city of Peru. METHODS: Using data from a time and motion study and cervical cancer screening registry from Iquitos, Peru, we developed a DES model to conduct virtual experimentation with "what-if" scenarios that compare different workflow and processing strategies under resource constraints and disruptions to the screening system. RESULTS: Our simulations show how much the screening system's capacity can be increased at current resource levels, how much variability in service times can be tolerated, and the extent of resilience to disruptions such as curtailed resources. The simulations also identify the resources that would be required to scale up for larger target populations or increased resilience to disruptions, illustrating the key tradeoff between resilience and efficiency. Thus, our results demonstrate how DES models can inform specific resourcing decisions but can also highlight important tradeoffs and suggest general "rules" for resource and operational planning. CONCLUSIONS: Multilevel planning and implementation challenges are not unique to sustainable adoption of cervical cancer screening programs but represent common barriers to the successful scale-up of many preventative health interventions worldwide. DES represents a broadly applicable tool to address complex implementation challenges identified at the national, regional, and local levels across settings and health interventions-how to make effective and efficient operational and resourcing decisions to support program adaptation to local constraints and demands so that they are resilient to changing demands and more likely to be maintained with fidelity over time.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».