A Conceptual Model for the Evaluation of Surgical Missions
Notice bibliographique
Résumé
BACKGROUND: Medical missions to low and middle-income countries are increasingly frequent, with an estimated 6,000 trips sponsored by U.S. organizations accounting for approximately 200,000 surgical cases and $250 million in costs annually. However, these missions have received little critical evaluation. This paper describes the research program Operation Walk (Op-Walk) Boston, and proposes an evaluation model for similar surgical missions. METHODS: We propose an evaluation model, borrowing from the work of Donabedian and enriched by evidence from our research program. The model calls for evaluation of the salient contextual factors (culture and beliefs), system management (structure, process, and outcomes), and sustainability of the program's interventions. We used these domains to present findings from the quantitative and qualitative research work of Op-Walk Boston. RESULTS: Op-Walk's qualitative research findings demonstrated that cultural factors are important determinants of patients' perceptions of arthritis etiology, physical activity patterns, and treatment preferences. Quantitative assessments documented that Dominican patients had worse lower-extremity functional status (mean Western Ontario and McMaster Universities Osteoarthritis Index [WOMAC] function score of 33.6) and pain preoperatively than patients undergoing total hip or knee replacement in the U.S. (WOMAC function score of 43.3 to 54), yet they achieved excellent outcomes (50-point improvement), comparable to those of their U.S. counterparts. Assessments of the quality and sustainability of the Op-Walk program showed that the quality of care provided by Op-Walk Boston meets Blue Cross Blue Shield Centers of Excellence (Blue Distinction) criteria, and that sustainable changes were transferred to the host hospital. CONCLUSIONS: Our proposed model offers a method for formal assessment of medical missions that addresses the call for evidence of their merit. We suggest that surgical missions adopt quantitative and qualitative strategies to document their impact, identify areas of improvement, and justify program continuation, growth, and support.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».