MicroResearch: Finding sustainable local health solutions in East Africa through small local research studies
Notice bibliographique
Résumé
BACKGROUND: Sub-Saharan African countries have urged grassroots input to improve research capacity. In East Africa, MicroResearch is fostering local ability to find sustainable solutions for community health problems. At 5years, the following reports its progress. METHODS: The MicroResearch program had three integrated components: (1) 2-week training workshops; (2) small proposal development with international peer review followed by project funding, implementation, knowledge translation; (3) coaching from experienced researchers. Evaluation included standardized questions after completion of the workshops, 2013 online survey of recent workshop participants and discussions at two East Africa MicroResearch Forums in 2013. RESULTS: Between 2008 and 2013, 15 workshops were conducted at 5 East Africa sites with 391 participants. Of the 29 projects funded by MicroResearch, 7 have been completed; of which 6 led to changes in local health policy/practice. MicroResearch training stimulated 13 other funded research projects; of which 8 were external to MicroResearch. Over 90% of participants rated the workshops as excellent with 20% spontaneously noting that MicroResearch changed how they worked. The survey highlighted three local research needs: mentors, skills and funding - each addressed by MicroResearch. On-line MicroResearch and alumni networks, two knowledge translation partnerships and an East Africa Leaders Consortium arose from the MicroResearch Forums. CONCLUSION: MicroResearch helped build local capacity for community-directed interdisciplinary health research.
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 | 0,054 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».