Defining Feasibility as a Criterion for Essential Surgery: A Qualitative Study with Global Children's Surgery Experts
Notice bibliographique
Résumé
BACKGROUND: The Disease Control Priorities (DCP-3) group defines surgery as essential if it addresses a significant burden, is cost-effective, and is feasible-yet the feasibility component remains largely unexplored. The aim of this study was to develop a precise definition of feasibility for essential surgical procedures for children. METHODS: Four online focus group discussions (FGDs) were organized among 19 global children's surgery providers with experience of working in low- and lower-middle-income countries (LMICs), representing 10 countries. FGDs were transcribed verbatim, and qualitative data analysis was performed. Codes, categories, themes, and subthemes were identified. RESULTS: Six determinants of feasibility were identified, including: adequate human resources; adequate material resources; procedure and disease complexity; team commitment and understanding of their setting; timely access to care; and the ability to monitor and achieve good outcomes. Factors unique to feasibility of children's surgery included children's right to health and their reliance on adults for accessing safe and timely care; the need for specialist workforce; and children's unique perioperative care needs. FGD participants reported a greater need for task-sharing and shifting, creativity, and adaptability in resource-limited settings. Resource availability was seen to have a direct impact on decision-making and prioritization, e.g., saving a life versus achieving the best outcome. CONCLUSIONS: The identification of a precise definition of feasibility serves as a pivotal step in identifying a list of essential surgical procedures for children, which would serve as indicators of institutional surgical capacity for this age group.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».