A scoping review of the utilization of mobile stroke units in low and lower middle-income countries: current evidence, implications and future direction
Notice bibliographique
Résumé
BACKGROUND: Low and Lower-Middle-Income Countries (LMICs) have the highest stroke incidence, prevalence, and case fatality rates globally. Current evidence suggests Mobile Stroke Units (MSUs) outperform traditional Emergency Medicine Services (EMS) in time metrics, cost-effectiveness, and long-term outcomes. MSUs could potentially improve stroke outcomes in resource-constrained settings by addressing critical challenges related to prehospital delays, health-seeking behavior, and access to expertise. PURPOSE: This scoping review aims to assess the existing literature and knowledge gaps on the utilization of mobile stroke units in LMICS, their impact on stroke outcomes, and cost-effectiveness. MATERIALS AND METHODS: We conducted a detailed search of PubMed, Scopus, CINAHL, African Index Medicus, and Publicly Available Content Database (ProQuest) inception to April 15, 2024. Google Scholar and TRIP Pro were also searched to identify Grey literature. African Journals Online, references were also hand-searched. RESULTS: Seven hundred and eighty-five studies were screened; only two met the eligibility criteria. Cherian et al. report the first use of a mobile stroke unit (MSU) in India, detailing its operations during the first year and the challenges encountered. According to the authors, fewer patients utilize MSUs in India compared to other parts of the world due to challenges such as a lack of awareness and affordability. Osuegbu et al. also report the absence of both fixed and mobile stroke units in Rivers State, Nigeria. CONCLUSION: There is currently very limited data to support the contextual suitability of MSU or implementation strategies to guide its integration into stroke care systems in LMICs. Further research is needed to examine the utilization, barriers, impact, and cost-effectiveness of Mobile Stroke Units (MSUs) in low- and middle-income countries. This could inform stakeholders and policymakers about the potential role and value of MSUs within stroke care systems in these 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 | 0,015 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,031 | 0,034 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».