Training for health services and systems research in Sub-Saharan Africa - a case study at four East and Southern African Universities
Notice bibliographique
Résumé
BACKGROUND: The need to develop capacity for health services and systems research (HSSR) in low and middle income countries has been highlighted in a number of international forums. However, little is known about the level of HSSR training in Sub-Saharan Africa (SSA). We conducted an assessment at four major East and Southern African universities to describe: a) the numbers of HSSR PhD trainees at these institutions, b) existing HSSR curricula and mode of delivery, and c) motivating and challenging factors for PhD training, from the trainees' experience. METHODS: PhD training program managers completed a pre-designed form about trainees enrolled since 2006. A desk review of existing health curricula was also conducted to identify HSSR modules being offered; and PhD trainees completed a self-administered questionnaire on motivating and challenging factors they may have experienced during their PhD training. RESULTS: Of the 640 PhD trainees enrolled in the health sciences since 2006, only 24 (3.8%) were in an HSSR field. None of the universities had a PhD training program focusing on HSSR. The 24 HSSR PhD trainees had trained in partnership with a university outside Africa. Top motivating factors for PhD training were: commitment of supervisors (67%), availability of scholarships (63%), and training attached to a research grant (25%). Top challenging factors were: procurement delays (44%), family commitments (38%), and poor Internet connection (35%). CONCLUSION: The number of HSSR PhD trainees is at the moment too small to enable a rapid accumulation of the required critical mass of locally trained HSSR professionals to drive the much needed health systems strengthening and innovations in this region. Curricula for advanced HSSR training are absent, exposing a serious training gap for HSSR in this region.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».