Health research capacity building of health workers in fragile and conflict-affected settings: a scoping review of challenges, strengths, and recommendations
Notice bibliographique
Résumé
BACKGROUND: Fragile and conflict-affected settings (FCAS) have a strong need to improve the capacity of local health workers to conduct health research in order to improve health policy and health outcomes. Health research capacity building (HRCB) programmes are ideal to equip health workers with the needed skills and knowledge to design and lead health-related research initiatives. The study aimed to review the characteristics of HRCB studies in FCASs in order to identify their strengths and weaknesses, and to recommend future directions for the field. METHODS: We conducted a scoping review and searched four databases for peer-reviewed articles that reported an HRCB initiative targeting health workers in a FCAS and published after 2010. Commentaries and editorials, cross-sectional studies, presentations, and interventions that did not have a capacity building component were excluded. Data on bibliographies of the studies and HRCB interventions and their outcomes were extracted. A descriptive approach was used to report the data, and a thematic approach was used to analyse the qualitative data. RESULTS: Out of 8822 articles, a total of 20 were included based on the eligibility criteria. Most of the initiatives centred around topics of health research methodology (70%), targeted an individual-level capacity building angle (95%), and were delivered in university or hospital settings (75%). Ten themes were identified and grouped into three categories. Significant challenges revolved around the lack of local research culture, shortages in logistic capability, interpersonal difficulties, and limited assessment and evaluation of HRCB programmes. Strengths of HRCB interventions included being locally driven, incorporating interactive pedagogies, and promoting multidisciplinary and holistic training. Common recommendations covered by the studies included opportunities to improve the content, logistics, and overarching structural components of HRCB initiatives. CONCLUSION: Our findings have important implications on health research policy and related capacity building efforts. Importantly, FCASs should prioritize (1) funding HRCB efforts, (2) strengthening equitable international, regional, and national partnerships, (3) delivering locally led HRCB programmes, (4) ensuring long-term evaluations and implementing programmes at multiple levels of the healthcare system, and (5) adopting engaging and interactive approaches.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | medium |
| gpt | aucune catégorie Domaine: non disponible · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | high |
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 | 0,071 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».