Examining need and capacity for the development of a pediatric liver transplantation program in Kenya
Notice bibliographique
Résumé
BACKGROUND: In Africa, pediatric liver transplantation (PLT) is currently only performed in Egypt and South Africa, leaving those who require treatment in Kenya to travel abroad. The aim of this study was to determine whether sufficient capacity and need exists in Kenya to establish a safe and sustainable PLT program. METHODS: A descriptive analysis of the intensive care unit (ICU) beds, surgical workforce, current hepatobiliary volume, and estimated prevalence of pediatric liver disease (PLD) was conducted across 17 hospitals in Kenya between July and September 2020. Data were collected from medical superintendents, directors of surgical departments, or nominated proxies at Kenyan Level 5 and 6 hospitals via a web-based survey. RESULTS: A total of 165 ICU beds were reported at 17 facilities, with 15 facilities reporting five or more beds. About 39% of general surgeons at responding hospitals performed hepatobiliary procedures, and 30% performed pediatric surgeries. Only 10% of surgeons had pediatric training. Over half (57%) of hospitals performed hepatobiliary procedures; at the maximum, 1-5 cases were performed per week including cholecystectomy to Kasai portoenterostomy and hepatectomy. Across 13 hospitals, there were an estimated 192-570 cases of PLD seen per month. The most common PLDs were hepatitis B, neonatal hepatitis, cirrhosis, and acute hepatic failure. Overall, two hospitals possessed the minimum workforce and resources to attempt PLT. CONCLUSIONS: In Kenya, ICU bed availability, pediatric surgical training, and hepatobiliary volume are limited. However, the high prevalence of PLD demonstrated a significant need for PLT across all Kenyan hospitals.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».