Addressing the severe shortage of health care providers in Ethiopia: bench model teaching of technical skills
Notice bibliographique
Résumé
CONTEXT: There is a severe shortage of health care workers in Ethiopia. This situation must be addressed by the efficient training of mass cohorts of students. OBJECTIVES: This study aimed to demonstrate that bench model training is a feasible approach to teaching surgical skills in Ethiopia. METHODS: A pre-test, simulation-based training intervention and post-test design was used. Two objective structured assessments of technical skills (OSATS) and a bench-top simulation training session were administered at the Black Lion Hospital, Addis Ababa, Ethiopia. Participants included 19 surgical residents who volunteered as trainees. Five surgical faculty members and one senior resident from the Black Lion Hospital, as well as two faculty members from the University of Toronto, participated as trainers and evaluators. The intervention consisted of OSATS tests comprising four stations, covering knot tying, closure of skin laceration, elliptical excision and bowel anastomosis. Tests were separated by 2-hour practice sessions. Main outcome measures included previously validated instruments comprising global rating scales (GRS) and skill-specific checklists (SSC). RESULTS: The measures showed no improvement on knot tying (GRS: P = 0.14; SSC: P = 0.7), marginal improvement on closure of laceration (GRS: P = 0.48; SSC: P = 0.003), and improvements on excision (GRS: P = 0.012; SSC: P = 0.003) and bowel anastomosis (GRS: P < 0.001; SSC: P < 0.001). CONCLUSIONS: The bench models and scoring schemes developed in Toronto, Canada were directly applicable in Addis Ababa, Ethiopia. This approach may prove a feasible, safe and cost-effective method for training a multitude of health care professionals in technical skills and may help to address the human resources deficit in Africa.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».