9: Assessing Healthcare Needs and Research Barriers for Community Focused Interdisciplinary Health Research Capacity Building Using a Microresearch Model in East Africa
Notice bibliographique
Résumé
With barely 3% of health care workers (HCW) and over 25% of the global health burden, Sub-Sahara African nations saw an urgent need to build capacity in community focused research in 2008 (WHO Bamako ‘Call for Action’). Borrowing from principles of microfinance, MicroResearch (MR) provides training, coaching and small grants for community focused interdisciplinary research (CFIR) and knowledge translation. To assess if MicroResearch addresses the local need for CFIR in East Africa (EA). We used targeted on-line surveys to assess health challenges and barriers for EA HCW researchers. In phase 1, questionnaires to assess health care challenges were sent to senior researchers (deans, department heads) and junior HCW engaged in CFIR. In phase 2, we assessed an on-line focus group of community researchers from five academic sites in EA using qualitative analyse of responses to prompted questions. In phase 1, 68 questionnaires were distributed, and 40 (59%) responded, 17 from senior and 23 junior HCW researchers. The two groups were pooled since response differences were <3% to most questions. Access to healthcare (36%), social determinants (33%) and health service infrastructure (21%) were the most common healthcare needs identified. Lack of research skills (design, analytic methods, training programs), capacity (coaching, mentoring), and funding were identified, as common research capacity needs. Both groups recommended research funding be directed to community (33%), health system (25%) or epidemiologic research. In phase 2, a focus group of 10 multidisciplinary participants (five female, five male) was formed. There were 16 valid comments with 21 points raised for saturation to be reached. Thematic content analysis and summaries were made at stages of the analysis. The four main thematic areas identified as barriers to health research, listed in order of frequency, were; Knowledge, Finance, Mentorship/Coaching, and Ethical Regulation/clearance, Incentives. Healthcare needs and barriers to research for CFIR in EA were identified in surveys of senior and junior East African HCW. Strategies, like MR, are addressing these capacity building issues.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,049 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».