Defining blood deserts and access to blood products for 660 million people: a geospatial analysis of eight states in Northern India
Notice bibliographique
Résumé
INTRODUCTION: Blood transfusion is crucial, but low-income and middle-income countries like India face a severe shortage of banked blood. This study focuses on the Empowered Action Group (EAG) states in India, where healthcare is limited, and health outcomes are poor. Our objective was to assess the blood banking infrastructure and access to blood products in these states. METHODS: We used e-Rakht Khosh, an online platform for blood availability data. We collected data on blood bank locations and stocks from 18 January to 9 February 2022 and used ArcGIS to determine the population residing within 30-60-90 min of a blood bank. Availability ratios were calculated by dividing available blood products by population in these catchment areas. Descriptive analysis characterised availability, and statistical tests evaluated differences across states and over the 4-week period. RESULTS: 806 of 824 blood banks reported data on blood stocks. Our analysis showed that 25.72% of the EAG states' population live within 30 min of a blood bank, while 61.45% and 92.46% live within 60 and 90 min, respectively. CONCLUSION: Blood availability rates were low in the EAG states, with only 0.6 units per 1000 people. Additionally, only 61% of the population had access to blood-equipped facilities within an hour. These rates fell below the standards of the Lancet Commission on Global Surgery (15 units per 1000 population) and the WHO (10 donations per 1000 population). The study highlights the challenges in meeting demand for blood in emergencies due to inadequate blood banking infrastructure.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».