Pediatric Diabetes Services in Arab Countries during the First 6 Months of the COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract Introduction The novel coronavirus disease 2019 (COVID-19) pandemic had an impact on different health services due to the lockdowns, curfews, or reducing provision of some clinical services to infection control. Aims This study looked at the impact of the pandemic on the pediatric diabetes services in Arab countries during the first 6 months of pandemic. Methods and Material An online survey using SurveyMonkey was e-mailed to the pediatric endocrine consultants practicing in Arab countries. The survey was active for the last 2 weeks of August 2020. Results Responses received from 34 consultants. Most responses were from Saudi Arabia, Iraq, and Oman. 18% of consultants have more than 500 pediatric patients with type-1 diabetes mellitus (T1DM) under each of their care. A quarter of responding consultants had suspended their clinics completely during the pandemic period. The median number of children live with diabetes used to be seen in diabetes clinics has dropped significantly from 22 to only 4 patients per week during the pandemic. Half of respondents fed back those virtual clinics were useful. The number of elective and urgent admissions during the studied period were less than before the pandemic. A total of 17.6% of responders reported an increased incidence of Diabetic Ketoacidosis (DKA) during the pandemic. Also, 36.4% thought the research activity had markedly decreased during the COVID-19 pandemic. Conclusion The pandemic has led to reducing the number of patients attending the diabetes clinic in Arab countries. However, virtual clinics and tele-consultations emerged evidently during the pandemic. It is expected to continue using the virtual clinics when the pandemic is over.
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 | 0,002 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».