Building cardiac surgical programs in lower-middle income countries
Notice bibliographique
Résumé
Objectives: Medical care in low-income countries is often limited by inadequate resources, treatment facilities, and the necessary infrastructure for healthcare delivery. We hypothesized that the development of an independently functioning, internationally supported Kenyan cardiac surgical training program could address these issues through targeted investment. Methods: A review was conducted of the programmatic structure and clinical outcomes from January 2008 to October 2021 at Tenwek Hospital, Bomet, Kenya. Program development phases included (1) cardiovascular care provided by 1 full-time US board-certified cardiothoracic surgeon; (2) short-term volunteer surgical teams from the United States and Canada; and (3) development of a cardiothoracic residency program based on the Society of Thoracic Surgeons training curriculum. Patient demographics and outcomes were analyzed throughout each phase of program development. Results: A total of 817 cardiac procedures were performed during the study period, including 236 congenital (28.8%) and 581 adult (71.1%) procedures. Endemic rheumatic valvular heart disease predominated (581 patients, 62.3%). Local surgical team case volume grew over the study period, overtaking visiting team volume in 2019. Perioperative mortality was 2.1% and consistent between the visiting teams and the locally trained teams. Surgical training via a 3-year cardiothoracic residency is now in its fourth year, with the 2 graduates now retained as full-time teaching staff. Conclusions: Global health partnerships have the potential to address unmet needs in cardiac care within low- and middle-income countries. These data support the concept that acceptable clinical outcomes and consistent growth in volume can be achieved during the transition toward fully independent cardiac surgical care.
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 | 0,000 |
| 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 | 0,001 |
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 ».