MétaCan
Menu
Retour à la cohorte
Enregistrement W2943463636 · doi:10.1186/s12992-019-0469-7

A Comprehensive Framework to Optimize Short-Term Experiences in Global Health (STEGH)

2019· article· en· W2943463636 sur OpenAlexaff
Shivani Shah, Henry C. Lin, Lawrence C. Loh

Notice bibliographique

RevueGlobalization and Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensPublic Health OntarioWestern University
Organismes subventionnairesnon disponible
Mots-clésPublic relationsPsychological interventionHealth services researchBusinessHealth careEconomic growthEconomicsPolitical scienceMedicineNursing

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,019
Communication savante0,0090,006
Science ouverte0,0030,009
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,391
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetGlobal Health and SurgeryTravaux en français237 207