Providing paediatric surgery in low-resource countries
Notice bibliographique
Résumé
Successful health systems comprise good outcomes, accessibility and availability. Surgery is the service that cuts across many treatment scenarios, yet in low- and middle-income countries 90% of people cannot access it. Estimates using most recent population data suggest that 1.75 billion children lack access to surgical care. Additionally, 30% of the global burden of disease is treatable with surgery, yet in LMICs as much as 87% of the surgical need remains unmet. Paediatric surgical services are not at the level they need to be, highlighting an increasing surgical burden on children’s health globally with a human cost of morbidity and mortality. Achieving Universal Health Coverage and the Sustainable Development Goals will fail if surgical systems are not strengthened in low resource settings. In 2018, global health charity Kids Operating Room was founded with a goal of ensuring every child has access to the surgery they need. The charity has a four-pillar approach to its work: provision of infrastructure and equipment, paediatric surgical workforce training, database development and research capacity strengthening, and advocating on behalf of children denied access to safe surgery. To ensure that paediatric surgical interventions produce real impact on service delivery, contextual understanding and needs assessment are key. The building of paediatric surgical capacity should align to countries’ priorities and wishes. Investing in local health workforce is essential to delivering quality services, supporting resilient health systems and provides integrated, people-centred health services. A competent surgical information system gives the local surgical workforce the tools needed to action evidence-driven decisions. Strengthening surgical services in a manner aligned to the WHO’s fundamental health system building blocks, allows for sustainable and long-lasting change. Confronting bottlenecks that exist in surgical services and establishing multi-faceted development, will allow global, national and local surgical targets to be met.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,008 |
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 ».