Abstract 147: Telestroke Network Mapping: An Update of the World Landscape for Remote Stroke Care
Notice bibliographique
Résumé
Background: Telestroke has proven efficacy in improving clinical outcomes by providing rapid access to specialized stroke care, particularly in remote areas. However, the global implementation of telestroke networks remains uneven, with limited data on their structure and coverage outside of high-income countries (HICs). Objective: This study aimed to provide a comprehensive overview of the global landscape of telestroke networks, highlighting disparities and underscoring the need for universal guidelines. We aimed to map the global telestroke landscape, characterize existing networks, and identify disparities in access, technological adoption, and quality monitoring practices across different regions. Methods: We conducted a three-tiered identification process involving engagement with national stroke experts, stroke societies, and international authorities, supplemented by extensive literature and internet searches to identify providers involved in telestroke networks worldwide. A detailed 39-question survey was distributed to the leaders of identified telestroke networks, assessing their structural characteristics, operational processes, and quality monitoring practices. Results: A total of 254 telestroke networks were identified across 67 countries (Figure 1), with 69% located in HICs. The response rate to our survey was 34%, with 88 networks from 31 countries providing detailed data. Our findings reveal significant disparities in the establishment and operation of telestroke networks. HICs predominantly host large, well-established networks, with robust technological infrastructures and comprehensive quality monitoring. In contrast, networks in low- and middle-income countries (LMICs) are fewer, smaller, and often lack advanced technology and standardized quality assurance measures. Notably, 87% of networks established within the last three years are located in non-HIC regions, signaling a shift toward broader global implementation. Conclusion: This study provides one of the most comprehensive global mappings of telestroke networks to date, uncovering significant disparities in access, resources availability (Figure 2) and quality monitoring practices. While telestroke networks are expanding into LMICs, there remains a critical need for universally applicable guidelines that can be adapted to diverse resource settings.
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 | 0,014 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,024 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».