MétaCan
Menu
Retour à la cohorte
Enregistrement W4365451685 · doi:10.1186/s12909-023-04176-6

Evaluating a research training programme for frontline health workers in conflict-affected and fragile settings in the middle east

2023· article· en· W4365451685 sur OpenAlexfundno aff
Hady Naal, Tracy Daou, Dayana Brome, Rania Mansour, Ghassan Abu Sittah, Christos Giannou, Enrique Steiger, Shadi Saleh

Notice bibliographique

RevueBMC Medical Education · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Health and Surgery
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésMentorshipMedical educationQualitative researchProgram evaluationCapacity buildingQualitative propertyMedicinePsychologyPolitical scienceSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health Research Capacity Building (HRCB) is key to improving research production among health workers in LMICs to inform related policies and reduce health disparities in conflict settings. However, few HRCB programmes are available in the MENA region, and few evaluations of HRCB globally are reported in the literature. METHODS: Through a qualitative longitudinal design, we evaluated the first implementation of the Center for Research and Education in the Ecology of War (CREEW) fellowship. Semi-structured interviews were conducted with fellows (n = 5) throughout the programme at key phases during their completion of courses and at each research phase. Additional data was collected from supervisors and peers of fellows at their organizations. Data were analysed using qualitative content analysis and presented under pre-identified themes. RESULTS: Despite the success of most fellows in learning on how to conduct research on AMR in conflict settings and completing the fellowship by producing research outputs, important challenges were identified. Results are categorized under predefined categories of (1) course delivery, (2) proposal development, (3) IRB application, (4) data collection, (5) data analysis, (6) manuscript write-up, (7) long-term effects, and (8) mentorship and networking. CONCLUSION: The CREEW model, based on this evaluation, shows potential to be replicable and scalable to other contexts and other health-related topics. Detailed discussion and analysis are presented in the manuscript and synthesized recommendations are highlighted for future programmes to consider during the design, implementation, and evaluation of such programmes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,089
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,469

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0890,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,003
Communication savante0,0040,003
Science ouverte0,0050,011
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,490
Tête enseignante GPT0,539
Écart entre enseignants0,049 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetGlobal Health and SurgeryTravaux en français237 207