Antibiotic Shortages among Public Sector Hospitals Across Sub-Saharan Africa: A Protocol for an Electronic Survey to Gain Understanding
Notice bibliographique
Résumé
Background: Antibiotic shortages in public hospitals across sub-Saharan Africa represent a growing public health crisis, increasing antimicrobial resistance (AMR). While European countries have conducted several surveys on medicine shortages, similar data are scarce in sub-Saharan Africa. Ensuring the availability of critical antibiotics among hospitals across Africa is essential for effective treatment of infectious diseases and for implementing targeted Antimicrobial Stewardship Programmes (ASPs) to reduce AMR. Objective: To evaluate the scope, causes and potential solutions regarding antibiotic shortages in public sector hospitals across sub-Saharan Africa. Subsequently, use the findings to make recommendations for future strategies, including ASPs. Methods: A cross-sectional descriptive survey will be undertaken among hospital pharmacists, nurses, physicians and other healthcare professionals across sub-Saharan Africa. An electronic questionnaire, based on the European Association of Hospital Pharmacists (EAHP) model and available in English, French and Portuguese, will gather data on the frequency, types, causes and proposed solutions to antibiotic shortages in hospitals. The survey will run for two months, leveraging existing professional networks to enhance participation. Open-ended responses will be summarised in in Excel. Descriptive statistics will include frequencies, percentages, means and standard deviations, and will be calculated using STATA ® to summarise both categorical and continuous variables. Discussion and Conclusion: This study will provide comprehensive data on the prevalence and drivers of antibiotic shortages in public hospitals in this important region. The findings will inform national and regional health policies, strengthen supply chain resilience and support ASP implementation. This will be the first time that such a comprehensive survey will be conducted across sub-Saharan Africa as part of the drive to reduce AMR.
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 | 0,051 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,015 |
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 ».