Regional anaesthesia practice in public hospitals in Botswana: A cross-sectional study
Notice bibliographique
Résumé
INTRODUCTION: Little is known about the regional anesthesia practice in low resources settings (LRS). The aim of this study was to describe the regional anesthesia capacity, characteristics of regional anesthesia practice, and challenges and solutions of practicing safe regional anesthesia in public hospitals in Botswana. METHODS: This was a cross-sectional survey of anesthesia providers working in public hospitals in Botswana. A purposive sampling method of public hospitals was used to achieve representation of different hospital levels across Botswana. Paper-based questionnaires were sent to anesthesia providers from selected hospitals. Descriptive statistics were used for analysis. RESULTS: Questionnaires were distributed to 47 selected anesthesia providers from selected hospitals; 38 (80.9%) were returned. Most participants were nurse anesthetists and medical officers (57.8%). All hospitals perform spinal anesthesia; however, other regional techniques were performed by a small number of participants in one referral hospital. Most hospitals had adequate regional anesthesia drugs and sedation medications, however, most hospitals (except one referral hospital) lacked ultrasound machine and the regional anesthesia kit. The common challenges reported were lack of knowledge and skills, lack of equipment and supplies, and lack of hospital engagement and support. Some solutions were proposed such as regional anesthesia training and engaging the hospital management to get resources. CONCLUSIONS: The results of this study suggest that spinal anesthesia is the most common regional anesthesia technique performed by anesthesia providers working in public hospitals in Botswana followed by few upper limb blocks. However, most public hospitals lack enough training capacity, equipment, and supplies for regional anesthesia. More engagement of the hospital management, investment in regional anesthesia resources, and training are needed in order to improve the regional anesthesia capacity and provide safe surgery and anesthesia in Botswana.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».