Oncology training programmes for general practitioners: a scoping review
Notice bibliographique
Résumé
Introduction: Due to the increasing global burden of cancer and the shortage of trained medical oncologists, training General Practitioners (GPs) in Oncology (known as GPOs) has been proposed as a means to potentially ease some burden on medical oncologists with heavy workloads, especially in low-and-middle-income countries (LMICs), by tasksharing and task-shifting.We undertook a scoping review to identify and characterise the existing training programmes and curricula for GPOs globally.Design: We searched three major electronic databases: EMBASE, Medline/PubMed and Education Source for articles that described a medical oncology training programme for GPs.All study types were eligible in this review.We followed a two-stage standardised screening process using two independent reviewers to evaluate the eligibility of the articles.Results: Five peer-reviewed articles were included in our review and grey literature scans identified an additional seven GPO training programmes for a total of 12 programmes and their curricula.All of the included studies were from high-income countries.The duration of programmes varied from comprehensive programmes structured over 2 years (n = 2) to shorter duration medical oncology training activities (n = 2), a short, 1.5-day workshop and a 10-hour course.In the grey literature, GPO training programme durations ranged from 2 weeks to 13 months.A mixture of delivery methods was employed including didactic lectures and clinical rotations.Conclusion: This scoping review identified a small number of heterogeneous studies and grey literature sources that described and/or evaluated medical oncology training programmes for GPs.The information synthesised here can be used to foster the collaboration needed for the continued development of GPO programmes that could help address the problem of lack of workforce to meet the rising burden of cancer, especially in LMICs.
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 | 0,023 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,016 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».