Setting Priorities in Childhood Cancer in Low Income Countries Using Nominal Group Technique: Experience from an International Childhood Cancer Forum Exercise in Bangladesh
Notice bibliographique
Résumé
Background and Objectives: Cancer is one of the major causes of mortality and morbidity worldwide. The incidence of paediatric cancer in particular, in Bangladesh is alarming and most of these patients die without correct diagnosis and adequate medical treatment (MOHFW, 2008). There is a clear disparity in access to care between rural and urban areas (WHO, 2015; Rahman, 2001). There are no established formal childhood cancer registry systems to help inform planning decisions across the country. Most importantly, there are no explicit priorities or methods for identifying such priorities in Low and Middle Income Countries (LMICs). We used a Nominal Group Technique (NGT) method during the International Childhood Cancer Forum (ICCF) for setting priorities. The following two key objectives were addressed: Trialling the NGT in Bangladesh as a priority setting tool; and identify childhood cancer priorities in Bangladesh. Methods: The Nominal Group Techniques (NGT) method was used to elicit information from the participants of ICCF to identify priorities for research and interventions for childhood cancer care in Bangladesh. Participants were divided into four groups. Each group discussed one question each. Two questions focused on cancer research, and the other two focused on interventions. Results: In regards to outcomes, NGT successfully identified the scale of childhood cancer care and identified priorities/action areas to address in Bangladesh. Six priorities were identified and a successful collaboration for implementation has been established with several international organisations. Conclusion: Nominal group technique was found to be an effective tool to identify research and intervention priorities to address childhood cancer in a developing country. For resource limited countries in similar situations, they could benefit from adopting this approach in healthcare settings.
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 | 0,027 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».