Assessing COVID-19 pandemic’s impact on essential diabetes care in Manila, the Philippines: A mixed methods study
Notice bibliographique
Résumé
The COVID-19 pandemic directly increased mortality and morbidity globally. In addition, it has had extensive indirect ill effects on healthcare service delivery across health systems worldwide. We aimed to describe how patient access to diabetes care was affected by the pandemic in Manila, the Philippines. We used an explanatory, sequential mixed method approach including a cross-sectional survey (n = 150) and in-depth interviews of patients (n = 19), focus group discussions of healthcare workers (n = 22), and key informant interviews of health facility administrators (n = 3) from October 2021 to January 2022. Larger proportions of patients reported absence of livelihood (67.3%), being in the lowest average monthly household income group (17.3%), and disruptions in diabetes care (54.0%) during the pandemic. They identified the imposition of lockdowns, covidization of the healthcare system, and financial instability as contributors to the reduced availability, accessibility, and affordability of diabetes-related consultations, medications, and diagnostics. At least a quarter of the patients experienced catastrophic health expenditures across all areas of diabetes care during the pandemic. Most healthcare workers and administrators identified telemedicine as a potential but incomplete tool for reaching more patients, especially those deemed lost to follow-up. In the Philippines, the pandemic negatively impacted access to essential diabetes 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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».