A Comprehensive Framework to Optimize Short-Term Experiences in Global Health (STEGH)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Increasing demand for Short-term Experiences in Global Health (STEGH), particularly among medical trainees, has seen a growth in programming that brings participants from high-income countries to low and middle-income settings in order to engage in service, teaching or research activities. Historically the domain of faith-based organizations conducting "missions", STEGH are now offered by diverse groups including academic institutions, non-profit organizations, and the private sector, either as dedicated for-profits or through corporate social responsibility arms.The growing popularity of STEGH has resulted in concerns about their negative impacts on host communities. Traditional STEGH are often crafted with little or no input from host community leaders, and this results in activities that do not address locally identified priorities. Other concerns include culturally incongruent programming and the creation of parallel systems that disrupt established local services and redirect scarce local resources, which fosters dependency instead of building capacity. One concern specific to trainees also includes trainee provision of services beyond their scope and training level.To address these concerns, this paper presents a comprehensive framework that aims to categorize promising interventions that might promote greater responsibility in STEGH. Based on the micro-meso-macro framework, this paper proposes various interventions as incentives and disincentives to be deployed at the individual, program, and societal levels to promote greater responsibility in STEGH. Deployed altogether, the interventions contemplated by this framework would foster the optimal context required to encourage responsibility, minimize harms, and optimize host community outcomes for STEGH.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle