A Comprehensive Approach to Medical Oxygen Ecosystem Building: An Implementation Case Study in Kenya, Rwanda, and Ethiopia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Medical oxygen is an essential treatment for life-threatening hypoxemic conditions and is commonly indicated for the clinical management of most leading causes of mortality in children aged younger than 5 years, obstetric complications at delivery, and surgical procedures. In resource-constrained settings, access to medical oxygen is unreliable due to cost, distance from production centers, undermaintained infrastructure, and a fragmented supply chain. To increase availability of medical oxygen in underserved communities, Assist International, the GE Foundation, Grand Challenges Canada, the Center for Public Health and Development (Kenya), Health Builders (Rwanda), and the National Ministries of Health and Regional Health Bureaus in Kenya, Rwanda, and Ethiopia partnered to implement a social enterprise model for the production and distribution of medical oxygen to hospitals at reduced cost. This model established pressure swing adsorption (PSA) plants at large referral hospitals and equipped them to serve as localized supply hubs to meet regional demand for medical oxygen while using revenues from cylinder distribution to subsidize ongoing costs. Since 2014, 4 PSA plants have successfully been established and sustained using a social enterprise model in Siaya, Kenya; Ruhengeri, Rwanda; and Amhara Region, Ethiopia. These plants have cumulatively delivered more than 209,708 cylinders of oxygen to a network of 183 health care facilities as of October 2022. In Ethiopia, this model costs an estimated US$7.34 per patient receiving medical oxygen over a 20-year time horizon. Altogether, this business model has enabled the sustainable provision of medical oxygen to communities with populations totaling more than 33 million people, including an estimated 5 million children aged younger than 5 years.
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.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle