Training General Practitioners in Oncology: A Needs Assessment Survey From Nepal
Notice bibliographique
Résumé
PURPOSE: Nepal lacks enough cancer care providers to address the growing burden of cancer in the country. One way of addressing this issue is to train general practitioners (GPs) in oncology (GPOs) so that they can task-share and task-shift oncology care. However, limited information is available regarding the current level of oncology expertise of Nepali GPs and whether they perceive a need for, and have an interest in, such a GPO training program if available in Nepal. METHODS: A survey was distributed to GPs in Nepal to collect data on current oncology training and clinical practice and evaluate levels of interest and need for a GPO training program. The survey was distributed electronically from February to July 2021. RESULTS: The survey obtained 71 individual responses from GPs in Nepal. The majority of respondents were male (87%), and most worked as consultants or senior consultants (63%). Only 6% of respondents had a mandatory oncology rotation during their GP training, and only 15% indicated that their GP training had adequately prepared them to care for patients with cancer. Ninety-six percent of respondents perceived a need for a GPO training program in Nepal, with 94% indicating an interest in enrolling in such a program and 71% indicating that they were very interested. CONCLUSION: The findings indicate an urgent need for and an encouraging interest in establishing a GPO training program in Nepal. These findings will be used to guide the development and implementation of this type of program.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».