Design and Implementation of a Distant-Learning Clinical Research Mentorship Program: The Accra-Toronto Collaboration
Notice bibliographique
Résumé
PURPOSE: For many oncology training programs in low- and middle-income countries, dedicated time for research education and mentorship of trainees is limited. Here, we report a 1-year-long collaboration between a cancer center in Canada and one in Ghana with the aim of imparting clinical research skills and mentoring the research of radiation oncology residents. METHODS: On the basis of a needs assessment conducted in Ghana, we designed a curriculum consisting of 13 weekly seminars delivered via videoconference, followed by a 1-year-long mentorship program to support research projects. The primary outcome was the feasibility of the program from seminars to manuscript preparation. We used multiple secondary outcomes to capture the learning experience with study-specific questionnaires. We evaluated critical thinking ability using the Berlin questionnaire. Funding was made available for research and travel to international conferences. RESULTS: Five Ghanaian trainees submitted research proposals. Nine Canadian faculty members delivered the seminars and two served as methodology mentors, and two Ghanaian faculty acted as local supervisors. Feedback questionnaires from all participants showed that they agreed strongly that they would recommend the sessions to another resident (75%), that the objectives were clear (71%), and that the topics were useful for their training (73%). At the end of the program, two Ghanaian trainees finalized their manuscripts and one was published. CONCLUSION: Here, we report on the implementation of a mentorship program focused on research methods and evidence-based medicine in sub-Saharan Africa. The program was successful in the drafting and publication of abstracts and manuscripts by local trainees.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».