MétaCan
Menu
Retour à la cohorte
Enregistrement W4392001699 · doi:10.3389/fpubh.2024.1325922

Achieving Surgical, Obstetric, Trauma, and Anesthesia (SOTA) care for all in South Asia

2024· article· en· W4392001699 sur OpenAlexaff
Siddhesh Zadey, Shirish Rao, Isha Gondi, Natalie Sheneman, Chaitrali Patil, Anveshi Nayan, Himanshu Iyer, Arti Raj Kumar, Arun Prasad, G. Allen Finley, Chellapuram Raja Krishna Prasad, Chintamani Chintamani, Dhananjaya Sharma, Dhruva Ghosh, Jesudian Gnanaraj, Irum Fatima, Jogi V. Pattisapu, Justin Sangwook Ko, Lovenish Bains, Mashal Murad Shah, Mohammed Shadrul Alam, Narmada Hadigal, Naveen Malhotra, Nilmini Wijesuriya, Prateek Shukla, Sadaf Khan, Sunil Pandya, Tariq Khan, Tashi Tenzin, Venkat Raja Hadiga, Daniel Peterson

Notice bibliographique

RevueFrontiers in Public Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSouth asiaMedicineHealth carePoliticsEconomic growthPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

South Asia is a demographically crucial, economically aspiring, and socio-culturally diverse region in the world. The region contributes to a large burden of surgically-treatable disease conditions. A large number of people in South Asia cannot access safe and affordable surgical, obstetric, trauma, and anesthesia (SOTA) care when in need. Yet, attention to the region in Global Surgery and Global Health is limited. Here, we assess the status of SOTA care in South Asia. We summarize the evidence on SOTA care indicators and planning. Region-wide, as well as country-specific challenges are highlighted. We also discuss potential directions-initiatives and innovations-toward addressing these challenges. Local partnerships, sustained research and advocacy efforts, and politics can be aligned with evidence-based policymaking and health planning to achieve equitable SOTA care access in the South Asian region under the South Asian Association for Regional Cooperation (SAARC).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,322
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Public HealthMême sujetGlobal Health and SurgeryTravaux en français237 207