A framework for advancing sustainable magnetic resonance imaging access in Africa
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) technology has profoundly transformed current healthcare systems globally, owing to advances in hardware and software research innovations. Despite these advances, MRI remains largely inaccessible to clinicians, patients, and researchers in low-resource areas, such as Africa. The rapidly growing burden of noncommunicable diseases in Africa underscores the importance of improving access to MRI equipment as well as training and research opportunities on the continent. The Consortium for Advancement of MRI Education and Research in Africa (CAMERA) is a network of African biomedical imaging experts and global partners, implementing novel strategies to advance MRI access and research in Africa. Upon its inception in 2019, CAMERA sets out to identify challenges to MRI usage and provide a framework for addressing MRI needs in the region. To this end, CAMERA conducted a needs assessment survey (NAS) and a series of symposia at international MRI society meetings over a 2-year period. The 68-question NAS was distributed to MRI users in Africa and was completed by 157 clinicians and scientists from across Sub-Saharan Africa (SSA). On average, the number of MRI scanners per million people remained at less than one, of which 39% were obsolete low-field systems but still in use to meet daily clinical needs. The feasibility of coupling stable energy supplies from various sources has contributed to the growing number of higher-field (1.5 T) MRI scanners in the region. However, these systems are underutilized, with only 8% of facilities reporting clinical scans of 15 or more patients per day, per scanner. The most frequently reported MRI scans were neurological and musculoskeletal. The CAMERA NAS combined with the World Health Organization and International Atomic Energy Agency data provides the most up-to-date data on MRI density in Africa and offers a unique insight into Africa's MRI needs. Reported gaps in training, maintenance, and research capacity indicate ongoing challenges in providing sustainable high-value MRI access in SSA. Findings from the NAS and focused discussions at international MRI society meetings provided the basis for the framework presented here for advancing MRI capacity in SSA. While these findings pertain to SSA, the framework provides a model for advancing imaging needs in other low-resource settings.
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 | 0,047 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,017 | 0,024 |
| Science ouverte | 0,005 | 0,039 |
| Intégrité de la recherche | 0,011 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».