MétaCan
Menu
Retour à la cohorte
Enregistrement W2197421496 · doi:10.1186/s12992-015-0135-7

Short term global health experiences and local partnership models: a framework

2015· article· en· W2197421496 sur OpenAlexaff
Lawrence C. Loh, William Cherniak, Bradley A. Dreifuss, Matthew Dacso, Henry C. Lin, Jessica Evert

Notice bibliographique

RevueGlobalization and Health · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensMarkham Stouffville HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipFlexibility (engineering)Public relationsContext (archaeology)HarmManagement scienceBusinessSociologyKnowledge managementPolitical scienceComputer scienceEconomicsPsychologySocial psychologyManagement

Résumé

récupéré en direct d'OpenAlex

Contemporary interest in in short-term experiences in global health (STEGH) has led to important questions of ethics, responsibility, and potential harms to receiving communities. In addressing these issues, the role of local engagement through partnerships between external STEGH facilitating organization(s) and internal community organization(s) has been identified as crucial to mitigating potential pitfalls. This perspective piece offers a framework to categorize different models of local engagement in STEGH based on professional experiences and a review of the existing literature. This framework will encourage STEGH stakeholders to consider partnership models in the development and evaluation of new or existing programs.The proposed framework examines the community context in which STEGH may occur, and considers three broad categories: number of visiting external groups conducting STEGH (single/multiple), number of host entities that interact with the STEGH (none/single/multiple), and frequency of STEGH (continuous/intermittent). These factors culminate in a specific model that provides a description of opportunities and challenges presented by each model. Considering different models, single visiting partners, working without a local partner on an intermittent (or even one-time) basis provided the greatest flexibility to the STEGH participants, but represented the least integration locally and subsequently the greatest potential harm for the receiving community. Other models, such as multiple visiting teams continuously working with a single local partner, provided an opportunity for centralization of efforts and local input, but required investment in consensus-building and streamlining of processes across different groups. We conclude that involving host partners in the design, implementation, and evaluation of STEGH requires more effort on the part of visiting STEGH groups and facilitators, but has the greatest potential benefit for meaningful, locally-relevant improvements from STEGH for the receiving community. There are four key themes that underpin the application of the framework: 1. Meaningful impact to host communities requires some form of local engagement and measurement. 2. Single STEGH without local partner engagement is rarely ethically justified. 3. Models should be tailored to the health and resource context in which the STEGH occurs. 4. Sending institutions should employ a model that ultimately benefits local receiving communities first and STEGH participants second. Accounting for these themes in program planning for STEGH will lead to more equitable outcomes for both receiving communities and their sending partners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0100,038
Communication savante0,0180,024
Science ouverte0,0050,020
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,417
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetGlobal Health and SurgeryTravaux en français237 207