Teaching cervical cancer surgery in low- or middle-resource countries.
Notice bibliographique
Résumé
BACKGROUND: With the widespread implementation of screening programs internationally, there will be an increase in early stage cervical cancer cases. In response to this, the Ministry of Health in each country will need to plan strategies to provide care such as radical surgery or radiation for this potentially curable group of women. METHODS: The Gynaecologic Oncologists of Canada created a teaching module to intensively train a small number of locally identified gynecologists to perform radical hysterectomy and pelvic lymphadenectomy. The process was based on adult learning principles; it involved a Canadian gynecologic oncologist working in the low- or middle-resource country with the gynecologists and problem-solving local issues in health care delivery. RESULTS: The teaching process included a pretest and a posttest on the basis of the objectives of the module. There were 7 modules including preoperative evaluation of the patient, cone biopsy, radical hysterectomy, pelvic lymphadenectomy, ureteric injury, vascular injury, and follow-up after surgery. Each module was divided into background information, techniques, and complications. There were video clips imbedded in the modules. After the educational modules had been reviewed, the learners were walked through the surgical procedures repeatedly including a detailed assessment of performance after each case. Participants had the opportunity to provide feedback on the training program. The module was reviewed in Mongolia and implemented in Kenya. CONCLUSIONS: In low- and middle-resource countries where there is an urgent need to provide a curative surgical option for the management of early cervical cancer, a focused high-intensity curriculum delivered by a trained surgeon can translate into immediate change in clinical and surgical practice.
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 | 0,001 |
| 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 ».