Telemedicine and Pediatric Care in Rural and Remote Areas of Middle-and-Low-Income Countries: Narrative Review
Notice bibliographique
Résumé
OBJECTIVES: Caring for children in low- and middle-income countries (LMIC) can be challenging. This review article aims to explore role of telemedicine in supporting pediatric care in LMIC. METHODOLOGY: A narrative review of existing English and Spanish literature was conducted to assess role of telemedicine to support pediatric care in LMIC. RESULTS: Beside medical education and direct pediatric care, telemedicine can provide sub-specialties consultations without extra burden on families. Additionally, telemedicine can help in lowering under-5 mortality by supporting neonatal care, infectious illnesses, and non-communicable diseases (NCDs). Telemedicine can be a gate for universal coverage for all children at a lower cost. For over a decade, it has been implemented successfully and sustained in a few LMIC. However, challenges in implementing telemedicine are enormous. Still, opportunities arise by using simpler technology, low-width band internet, smartphones, instant messaging applications and solar energy. COVID-19 pandemic facilitated acceptance and applicability of telemedicine worldwide including LMIC. Nevertheless, governments must regulate telemedicine by issuing policies and ensuring employment of local experts when possible to meet local resources and cultural competency. CONCLUSION: Telemedicine has proven successful in improving pediatrics care. Many LMIC should take advantage of this innovation to promote equity and access to high quality pediatric 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 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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».