MétaCan
Menu
← Retour à la cohorte
Enregistrement W4384522340 · doi:10.1136/archdischild-2023-rcpch.53

489 An innovative hybrid palliative care fellowship program: empowering pediatricians and enhancing care for children in resource-limited settings

2023· article· en· W4384522340 sur OpenAlexaboutno aff
Gayatri Palat, Megan Doherty, Stuart Brown, Arvind Shah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMentorshipExcellencePalliative careGeneral partnershipMedical educationMedicineCapacity buildingNursingFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Objective To describe the development and implementation of a 1-year ‘Hybrid’ Pediatric Palliative Care (PPC) Fellowship, which includes both clinical and online learning to train paediatricians as specialists and leaders in paediatric palliative care in South and Southeast Asia. Methods Globally, 97% of children needing palliative care (PC) live in low- or middle-income countries, where access is often very limited. In India, less than 1% of the 1.6 million children needing PC can access these services. Building capacity and training opportunities for paediatricians are essential to improve access to PC in these settings. The Hybrid fellowship was developed through the existing partnership between Two Worlds Cancer Collaboration, Canada and the Hyderabad Centre for Palliative Care to train paediatricians as specialists and leaders in paediatric palliative care in South and Southeast Asia. A team of PPC experts developed the fellowship after a rigorous review of relevant literature and educational materials, incorporating their experiences running PPC traditional (in-person) fellowship programs in both high and lower-resourced settings. Results The fellowship includes formal teaching, clinical rotations, mentorship, regular assessments of trainees, and a scholarly project. Teaching includes 100 hours of weekly online classes, with a focus on case-based learning and leadership skills. Mandatory 4 months of clinical rotations in PC includes 2 months in the regional centre of PPC excellence in Hyderabad, India. Trainees’ progression towards program competencies is assessed through written and observed standardised clinical examinations. A mentorship program provides additional support, which continues beyond the fellowship through an early career mentorship group. As a part of research and quality improvement (QI) training, fellows complete a scholarly project with support and supervision from experienced research mentors. More than 30 regional and international PPC experts contribute to the program as faculty. Since 2021, 6 paediatricians have completed the ‘Hybrid’ fellowship, from India (2), Bangladesh (1), and the Philippines (3), with 3 fellows currently in training. Graduated fellows have become regional and national leaders in PPC, developing new PPC programs, and implementing new PPC training in their home country. The program successfully sought endorsement from the Royal College of Paediatrics and Child Health (UK), which has strengthened the program’s rigor and quality. Conclusion A 1-year Hybrid PPC Fellowship, which trains pediatricians to become specialists and champions of PPC, is an innovative model that can successfully build PPC capacity in resource-limited settings and increase access to PPC for children with life-limiting illnesses.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,026
Tête enseignante GPT0,347
Écart entre enseignants0,321 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetChildhood Cancer Survivors' Quality of Life→Travaux en français237 207→