Virtual medical research mentoring and collaboration: breaking the bounds of nationality during the COVID-19 pandemic
Notice bibliographique
Résumé
Abstract Funding Acknowledgements Type of funding sources: None. OnBehalf Cardioovascular Analytics Group Background Medical research is critical to professional advancement, and mentoring is an important means of early research engagement in medical training. In contrast to international research collaborations, research mentoring programs are often locally limited. With the COVID-19 pandemic causing drifts to virtual classes and conferences, virtual international medical research mentoring may be viable. We hereby describe our experience with a virtual, international mentorship group for cardiovascular research. Methods Our virtual international research mentorship group has been running since 2015. The group focuses on risk stratification and outcomes research in cardiovascular medicine and epidemiology. Mentees from any country or region in all stages of medical careers are welcomed. Considering the increasing emphasis of contemporary research on multidisciplinary healthcare and translational research, our team also includes allied healthcare professionals or students, and graduates from natural sciences (Figure 1). With our members’ diverse backgrounds, we firmly adhere to the principle that all members must be given equal opportunities and treatment, regardless of their age, gender, race, nationality, sexual orientation, family background, and institution of study or practice. We make use of virtual platforms and multi-level mentoring (both senior and peer mentoring), and emphasize active participation, early leadership, open culture, accessible research support, and a distributed research workflow (i.e. an accessible-distributed model). Results Since establishment, our group has expanded to include 63 active members from 14 countries (Figure 2), leading a total of 109 peer-reviewed original studies and reviews published. We observed no significant difficulty in communication between team members, nor conflicts due to differences in nationality or ethnicity. Most studies involve cross-country and ethnicity collaborations, and inter-disciplinary and inter-regional knowledge exchanges are frequent. Multi-level mentoring ensured mentoring quality without compromising bonding and communication. Conclusion An accessible-distributed model of virtual international medical research collaboration and multi-level mentoring is viable, efficient, and caters to the needs of contemporary healthcare. We hope that others will build similar models and improve medical research mentoring globally. Abstract Figure 1 Abstract Figure 2
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 | 0,049 | 0,073 |
| 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 | 0,010 | 0,006 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,003 | 0,036 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».