Differences in Initial Healthcare Responses Between Turkey and the Conflict-Ridden Area in Syria Following February 2023 Earthquakes
Notice bibliographique
Résumé
Abstract Objective This study analyzes disparities in initial healthcare responses in Turkey and Syria following 2023 earthquakes. Methods Using Humanitarian Data Exchange, Crude Mortality Rates (CMR) and injury rates in both countries were calculated, and temporal trends of death tolls and injuries in the first month post- catastrophe were compared. WHO Flash Appeal estimated funding requirements, and ratios of humanitarian aid personnel in Urban Search and Rescue (USAR) teams per population from ReliefWeb and MAPACTION data were used to gauge disparities. Results 56,051,096 individuals were exposed, with Turkey having 44 million vs 12 in Syria. Turkey had higher CMR in affected areas (10.5 vs 5.0/10,000), while Syria had higher CMR in intensely seismic regions (9.2 vs 7.7/1,000). Turkey had higher injury rates (24.6 vs 9.9/10,000). Death and injury rates plateaued in Syria after three days, but steadily rose in Turkey. Syria allocated more funding for all priorities per population except healthcare facilities’ rehabilitation. Turkey had 219 USAR teams compared to Syria’s six, with significantly more humanitarian aid personnel (23 vs 2/100,000). Conclusions Significant disparities in initial healthcare response were observed between Turkey and Syria, highlighting need for policymakers to enhance responses in conflict-affected events to reduce impact on affected populations.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».