Academic global surgical competencies: A modified Delphi consensus study
Notice bibliographique
Résumé
Academic global surgery is a rapidly growing field that aims to improve access to safe surgical care worldwide. However, no universally accepted competencies exist to inform this developing field. A consensus-based approach, with input from a diverse group of experts, is needed to identify essential competencies that will lead to standardization in this field. A task force was set up using snowball sampling to recruit a broad group of content and context experts in global surgical and perioperative care. A draft set of competencies was revised through the modified Delphi process with two rounds of anonymous input. A threshold of 80% consensus was used to determine whether a competency or sub-competency learning objective was relevant to the skillset needed within academic global surgery and perioperative care. A diverse task force recruited experts from 22 countries to participate in both rounds of the Delphi process. Of the n = 59 respondents completing both rounds of iterative polling, 63% were from low- or middle-income countries. After two rounds of anonymous feedback, participants reached consensus on nine core competencies and 31 sub-competency objectives. The greatest consensus pertained to competency in ethics and professionalism in global surgery (100%) with emphasis on justice, equity, and decolonization across multiple competencies. This Delphi process, with input from experts worldwide, identified nine competencies which can be used to develop standardized academic global surgery and perioperative care curricula worldwide. Further work needs to be done to validate these competencies and establish assessments to ensure that they are taught effectively.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».