Barriers to Accessing Congenital Heart Surgery in Low- and Middle-Income Countries: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Congenital heart disease (CHD) is the most common major congenital anomaly. Ninety percent of children with CHD are born in low- and middle-income countries (LMICs), where over 90% of patients lack access to necessary treatments. Reports on barriers to accessing CHD care are limited. Accordingly, it is difficult to design evidence-based interventions to increase access to congenital cardiac surgical care in LMICs. OBJECTIVE: We performed a qualitative systematic review to understand barriers to accessing congenital cardiac surgical care in LMICs. METHODS: We conducted a search of Ovid MEDLINE and CINAHL databases to identify relevant articles from January 2000 to May 2021. We then used a thematic analysis to summarize qualitative data into a framework of preoperative, perioperative, and postoperative barriers. RESULTS: Our search yielded 1,585 articles, of which 67 satisfied the inclusion criteria. Notable preoperative barriers included delayed diagnosis, insufficient caregiver education, financial constraints, difficulty reaching treatment centers, sociocultural stigma of CHD, sex-based discrimination of patients with CHD, and Indigeneity. Perioperative barriers included lack of hospital resources and workforce, need for prolonged hospitalization, and strained physician-patient relationships. Many patients faced barriers postoperatively and into adulthood due to a shortage of critical care resources, inadequate caregiver counseling and patient education, lack of follow-up, and debt from hospital bills and missed work. CONCLUSION: Reducing neonatal and childhood mortality begins with recognizing barriers to accessing health care. Our systematic review identifies and classifies challenges in accessing CHD in LMICs and suggests solutions to major barriers.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».