Addressing knowledge gaps in Parkinson’s disease: a report on the Movement Disorder Society’s Centre-to-Centre initiative to improve Parkinson’s disease services in Lao People’s Democratic Republic
Notice bibliographique
Résumé
BACKGROUND: Lao People's Democratic Republic (Lao PDR) has only nine neurologists for seven million people; none have formal training in Parkinson's disease (PD). Medical specialists require sufficient PD knowledge to provide high-quality care. METHODS: This study outlines a Centre-to-Centre programme for developing PD expertise in underserved regions through a tailored two-year educational enterprise between an established movement disorder mentor centre at Chulalongkorn University in Thailand and mentee centres in Lao PDR. Background knowledge of 80 Laotian physicians was assessed using a validated PD knowledge questionnaire containing 26 questions divided into 3 sections (diagnosis, therapeutic options, disease course) before and immediately after one-day kick-start training. Responses were compared across physicians' demographic groups. RESULTS: Of 80 respondents, 50 (62.5%) were board-certified physicians, of which 27 (54%) specialised in internal medicine. Apparent knowledge gaps were shown by a 51.2% correct response rate for total score, 52.8% for diagnosis, 50.6% for therapeutic options, and 48.2% for disease course. No significant differences in total score or any domain sub-scores between neurologists and other specialties were found. Many did not know which non-motor symptoms could occur as prodromal symptoms or late in course of PD. Incorrect responses mainly reflected a lack of knowledge of the impact of medication on disease. Total and domain sub-scores significantly improved after the course (p < 0.05, each). The size of difference of the means was significant for the total score (d = 0.82), therapeutic option (d = 0.56), and disease course (d = 0.68) sub-scores. CONCLUSIONS: Significant improvement of PD knowledge amongst Laotian physicians is demonstrated after a training course, focusing on practical management of PD. Our findings highlight the importance of continued medical education, especially PD-specific training.
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 | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».