Assessing best practices on short-term medical service trips: an eDelphi-based theoretical model
Notice bibliographique
Résumé
BackgroundShort-term, primary-care medical service trips (MSTs) are a controversial modality for addressing the health of marginalised populations and responding to the burden of communicable and non-communicable diseases. As a health-care delivery model, MSTs are challenged by concerns over sustainability, fragmentation of care in host communities, and degree of preparedness among volunteers. Despite the increasing prevalence of such trips, no single framework is routinely used to evaluate their quality. We aimed to develop a literature-based tool for assessing the practices of volunteer MSTs and to validate this tool among stakeholders.MethodsWe reviewed recent literature to construct a preliminary list of commonly discussed MST best practices. A multidisciplinary panel of academic experts, medical professionals, MST programme coordinators, and non-medical MST volunteers participated in a three-round e-Delphi consensus-building exercise to revise the preliminary list. A 7-point Likert scale was used, with mean scores of 4–7 resulting in rejection of the element, scores less than 2 resulting in acceptance, and scores in between being redistributed for further discussion in rounds two and three.FindingsThe preliminary framework consisted of 30 elements sorted into six domains: preparedness, impact and safety, efficiency, cost-effectiveness, sustainability, and education. The 26 stakeholders on the eDelphi panel reached consensus on 18 desirable elements to include in the final framework for an effective MST. The elements of the final framework were directly adapted to create a rating scale for medical professionals and trainees to evaluate the practices of volunteer-sending organisations listed in a large online database (http://www.medicalservicetrip.com).InterpretationEvaluation of such practices will allow volunteers to select quality opportunities with effective, sustainable health-care delivery models. Future research should extend this study by initiating a dialogue on best practices between host communities, local clinicians, and MST-sending organisations.FundingNone.
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 | 0,012 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».