Clinical research mentorship programme (CRMP) for radiation oncology residents in Africa—building capacity through mentoring
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle