Training pediatric hematologist/oncologists for capacity building in Ethiopia
Notice bibliographique
Résumé
PURPOSE: A considerable barrier to global pediatric oncology efforts has been the scarcity and even absence of trained professionals in many low- and middle-income countries, where the majority of children with cancer reside. In 2013, no dedicated pediatric hematology-oncology (PHO) programs existed in Ethiopia despite the estimated annual incidence of 6000-12000 cases. The Aslan Project initiative was established to fill this gap in order to improve pediatric cancer care in Ethiopia. A major objective was to increase subspecialty PHO-trained physicians who were committed to practicing locally and empowered to lead programmatic development. METHODS: We designed and implemented a PHO training curriculum to provide a robust educational and clinical experience within the existing resource-constrained environment in Ethiopia. Education relied on visiting PHO faculty, a training attachment abroad, and extraordinary initiative from trainees. RESULTS: Four physicians have completed comprehensive PHO subspecialty training based primarily in Ethiopia, and all have remained local. Former fellows are now leading two PHO centers in Ethiopia with a combined capacity of 64 inpatient beds and over 800 new diagnoses per year; an additional former fellow is developing a pediatric cancer program in Nairobi, Kenya. Two fellows currently are in training. Program leadership, teaching, and advocacy are being transitioned to these physicians. CONCLUSIONS: Despite myriad challenges, a subspecialty PHO training program was successfully implemented in a low-income country. PHO training in Ethiopia is approaching sustainability through human resource development, and is accelerating the growth of dedicated PHO services where none existed 7 years ago.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».