Clinical research mentorship programme (CRMP) for radiation oncology residents in Africa—building capacity through mentoring
Notice bibliographique
Résumé
Research skills are mandatory for all oncology residency training programmes. Creating the environment to foster skills and passion can be a challenge in all settings, and a unique challenge in low and middle income countries (LMICs). Tremendous clinical workload places exceptional demand on clinician teachers, research infrastructure and access to research collaborators with diverse methodological skill sets can be limited. International collaborations, and in particular relationship partnerships (Whitehead et al ((2018) Acad Med 93 1760-1763)) can be a useful approach to bridge resource gaps and enrich the support available to trainees (Research EoH ((2014) TDR/ESSENCE/2.14)). The Clinical Research Mentorship Programme (CRMP) is a collaborative initiative created by the University of Toronto Department of Radiation Oncology, Princess Margaret Cancer Centre, delivered in collaboration with LMIC radiation oncology residency programmes with the primary goal of enriching the research experience of LMIC oncology trainees. It was inspired by observing a need, an enthusiasm to collaborate and some seed funding that supported the idea. At the heart of the programme is a formalised relationship, a triad, between a LMIC oncology trainee, their local supervisor and a mentor from Toronto. Within the collaborative environment created between the LMIC and high income country (HIC) institutions, enabled by remote learning technologies, a 12-week research methods seminar kick starts a year-long mentorship for the trainee on their research question. The goal is to enrich the quality of the research experience for the trainee, resulting in
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 | 0,022 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,009 |
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 ».