Antibiotic stewardship and antimicrobial resistance in conflict-affected Sudan: a situational analysis
Notice bibliographique
Résumé
Introduction: Antimicrobial resistance (AMR) is a global concern, the drivers and consequences of which are exacerbated by poverty and inequality, with Low- and Middle-Income Countries (LMICs) bearing the highest rates, particularly Sub-Saharan Africa. Armed conflict further exasperates problem, by damaging healthcare systems, limiting access to essential medicines, and increasing the use of antibiotics in uncertain environments. This study sought to explore healthcare professionals' views on AMR and antimicrobial stewardship challenges before and during the conflict to investigate the impact of armed conflict on antimicrobial stewardship (ASP) in Sudan, a low-income country facing a humanitarian crisis exacerbated by ongoing violence. Methods: Data was collected via an anonymous qualitative online survey completed by healthcare workers with experience before and during the conflict and was analysed via thematic analysis. Results: Sudan is experiencing significant challenges due to its fragile healthcare system, poverty, and inequality. The results identify barriers to ASPs before and during the conflict, including lack of laboratory facilities, inadequate training, and the indiscriminate use of antibiotics. The findings reveal that the conflict has intensified the risk of AMR, with disrupted healthcare services leading to increased self-medication and reliance on broad-spectrum antibiotics. Discussion: The study underscores the urgent need for multi-faceted interventions that address immediate healthcare needs while implementing long-term strategies to control AMR in conflict-affected regions. Recommendations include enhancing healthcare infrastructure, improving diagnostic capabilities, and fostering collaborations among various stakeholders to ensure sustainable AMR prevention strategies.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».