Developing excellence in biostatistics leadership, training and science in Africa: How the Sub-Saharan Africa Consortium for Advanced Biostatistics (SSACAB) training unites expertise to deliver excellence
Notice bibliographique
Résumé
The increase in health research in sub-Saharan Africa (SSA) has led to a high demand for biostatisticians to develop study designs, contribute and apply statistical methods in data analyses. Initiatives exist to address the dearth in statistical capacity and lack of local biostatisticians in SSA health projects. The Sub-Saharan African Consortium for Advanced Biostatistics (SSACAB) led by African institutions was initiated to improve biostatistical capacity according to the needs identified by African institutions, through collaborative masters and doctoral training in biostatistics. SACCAB has created a critical mass of biostatisticians and a network of institutions over the last five years and has strengthened biostatistics resources and capacity for health research studies in SSA. SSACAB comprises 11 universities and four research institutions which are supported by four European universities. In 2015, only four universities had established Masters programmes in biostatistics and SSACAB supported the remaining seven to develop Masters programmes. In 2019 the University of the Witwatersrand became the first African institution to gain Royal Statistical Society accreditation for a Biostatistics Masters programme. A total of 150 fellows have been awarded scholarships to date of which 123 are Masters fellowships (41 female) of whom 58 have already graduated. Graduates have been employed in African academic (19) and research (15) institutions and 10 have enrolled for PhD studies. A total of 27 (10 female) PhD fellowships have been awarded; 4 of them are due to graduate by 2020. To date, SSACAB Masters and PhD students have published 17 and 31 peer-reviewed articles, respectively. SSACAB has also facilitated well-attended conferences, face-to-face and online short courses. Pooling of limited biostatistics resources in SSA combined with co-funding from external partners has shown to be an effective strategy for the development and teaching of advanced biostatistics methods, supervision and mentoring of PhD candidates.
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 | 0,169 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,013 | 0,020 |
| Communication savante | 0,032 | 0,025 |
| Science ouverte | 0,005 | 0,036 |
| Intégrité de la recherche | 0,009 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,005 |
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 ».