Reliability of the Service Trip Audit Tool to assess the quality of short-term medical missions
Notice bibliographique
Résumé
BACKGROUND: We aimed to assess the adherence of short-term medical missions (STMMs) operating in Latin America and the Caribbean (LAC) to key best practices using the Service Trip Audit Tool (STAT) and to calculate the inter-rater reliability of the data points. This tool was based on a previously published inventory of 18 STMM best practices. METHODS: Programme administrators and recent volunteers from 335 North American organizations offering STMMs in LAC were invited to complete the STAT anonymously online. Adherence to each of 18 best practices was reported as either 'yes', 'no' or 'not sure'. Fleiss' κ was used to assess inter-rater agreement of the responses. RESULTS: A total of 194 individuals from 102 organizations completed the STAT (response rate 30.4%; 102/335 organizations) between 12 July and 7 August 2017. Reported adherence was >80% for 9 of 18 best practices. For 37 non-governmental organizations (NGOs) with multiple raters, inter-rater agreement was moderate to substantial (κ>0.4) for 12 of 18 best practices. CONCLUSIONS: This is the first study to evaluate adherence to STMM best practices. Such an objective evaluation will be valuable to governments, volunteers and NGO donors who have an interest in identifying high-quality partners. Assessment and monitoring of STMMs through self-audit may be foundational steps towards quality improvement.
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 | 0,070 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».