The humanitarian aid of neurosurgical missions in Peru: A chronicle and future perspectives
Notice bibliographique
Résumé
Background: The unmet neurosurgical need has remained patent in developing countries, including Peru. However, continuous efforts to overcome the lack of affordable care have been achieved, being neurosurgical missions one of the main strategies. We chronicle the humanitarian labor of organizations from high-income countries during their visit to Peru, the contributions to local trainees' education, and the treatment of underserved patients. Furthermore, we discuss the embedded challenges from these missions and the future perspective on long-term partnerships and sustainability. Methods: This is a narrative review. We searched the literature in PubMed and Google Scholar about neurosurgical missions conducted in Peru. Results: Since 1962, twelve organizations from high-income countries have delivered humanitarian help in Peru by training local neurosurgeons, treating low-income patients, and providing surgical instrumentation. Out of the three main regions of Peru, cities on the coast and highlands have hosted most of these missions, with no reported outreach in the amazon area. About 75% of the organizations are headquartered in the United States, followed by Canada, Luxembourg, and Spain. In addition, 50% of the organizations have an active partnership. The predominant focus of these missions has been pediatrics, neuro-oncology, and spine surgery. Conclusion: Neurosurgical missions have represented a strategy to close the disparity in education and treatment in Peru. However, additional efforts must be conducted to improve long-term partnership and sustainability, such as adopting standardized indicators for progress tracking, incorporating remote technologies for continuous training and communication, and expanding partnerships in less attended areas.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».