A 2-Phase Survey to Assess a Facility's Readiness for Pediatric Essential Emergency and Critical Care in Resource-Limited Settings
Notice bibliographique
Résumé
OBJECTIVE: Infectious diseases, including pneumonia, malaria, and diarrheal diseases, are the leading causes of death in children younger than 5 years worldwide. The vast majority of these deaths occur in resource-limited settings where there is significant variation in the availability and type of human, physical, and infrastructural resources. The ability to identity gaps in healthcare systems that may hinder their ability to deliver care is an important step to determining specific interventions for quality improvement. Our study objective was to develop a comprehensive, digital, open-access health facility survey to assess facility readiness to provide pediatric critical care in resource-limited settings (eg, low- and lower middle-income countries). METHODS: A literature review of existing facility assessment tools and global guidelines was conducted to generate a database of survey questions. These were then mapped to one of the following 8 domains: hospital statistics, services offered, operational flow, facility infrastructure, staff and training, medicines and equipment, diagnostic capacity, and quality of clinical care. A 2-phase survey was developed and an iterative review process of the survey was undertaken with 12 experts based in low- and middle-income countries. This was built into the REDCap Mobile Application for electronic data capture. RESULTS: The literature review process yielded 7 facility assessment tools and 7 global guidelines for inclusion. After the iterative review process, the final survey consisted of 11 sections with 457 unique questions in the first phase, "environmental scan," focusing on the infrastructure, availability, and functionality of resources, and 3 sections with 131 unique questions in the second phase, "observation scan," focusing on the level of clinical competency. CONCLUSIONS: A comprehensive 2-phase survey was created to evaluate facility readiness for pediatric critical care. Results will assist hospital administrators and policymakers to determine priority areas for quality improvement, enabling them to implement a Plan-Do-Study-Act cycle to improve care for the critically ill child.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».