Emergency Medicine Training Programs in Low- and Middle-Income Countries: A Systematic Review
Notice bibliographique
Résumé
Background: Despite the growing interest in the development of emergency care systems and emergency medicine (EM) as a specialty globally, there still exists a significant gap between the need for and the provision of emergency care by specialty trained providers. Many efforts to date to expand the practice of EM have focused on programs developed through partnerships between higher- and lower-resource settings. Objective: To systematically review the literature to evaluate the composition of EM training programs in low- and middle-income countries (LMICs) developed through partnerships. Methods: inclusion and exclusion criteria, 94 manuscripts were included. After scoring these manuscripts, a more in-depth examination of 26 of the high-scoring manuscripts was conducted. Findings: Fifteen highlight programs with a focus on specific EM content (i.e. ultrasound) and 11 cover EM programs with broader scopes. All outline programs with diverse curricula and varied educational and evaluative methods spanning from short courses to full residency programs, and they target learners from medical students and nurses to mid-level providers and physicians. Challenges of EM program development through partnerships include local adaptation of international materials; addressing the local culture(s) of learning, assessment, and practice; evaluation of impact; sustainability; and funding. Conclusions: Overall, this review describes a diverse group of programs that have been or are currently being implemented through partnerships. Additionally, it highlights several areas for program development, including addressing other topic areas within EM beyond trauma and ultrasound and evaluating outcomes beyond the level of the learner. These steps to develop effective programs will further the advancement of EM as a specialty and enhance the development of effective emergency care systems globally.
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 | 0,009 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,011 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».