Challenges of Infective Endocarditis in South Africa, a Low- to Middle-Income Country
Notice bibliographique
Résumé
Infective endocarditis (IE) remains a complex and life-threatening disease globally, but in low- and middle-income countries (LMICs), the burden is amplified by a confluence of socio-economic disparities, high rates of rheumatic heart disease (RHD), limited local data and systemic healthcare limitations. In South Africa, a representative LMIC, patients with IE are typically younger and often present with advanced disease. This is attributed to delayed diagnosis, limited access to echocardiography, and a high prevalence of blood culture-negative infective endocarditis (BCNIE), which complicates microbiological confirmation and treatment selection compared to patients in high-income countries. Rheumatic heart disease continues to be a dominant predisposing factor, and the burden of long term anticoagulation following valve replacement contributes to recurrent complications. In addition, there has been a shift in epidemiological profile with Staphylococcus aureus predominating. Although international data support oral step-down therapy and early surgical intervention in selected patients, the implementation of these strategies in South Africa and other LMICs are constrained by diagnostic limitations, insufficient surgical infrastructure and health care worker hesitance to implement protocols validated in Western countries. Despite these barriers, growing evidence supports the need for locally adapted guidelines, including screening at primary care level, multidisciplinary endocarditis teams, and prospective local research to evaluate the safety and feasibility of simplified treatment protocols. The ultimate goal should be the development of resource-sensitive interventions with broader applicability across similar settings worldwide, ultimately aiming to reduce the global clinical and economic burden of IE.
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 | 0,002 | 0,006 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».