How to Develop a Sustainable Program for Volunteer Medical Care in Low- and Middle-Income Countries
Notice bibliographique
Résumé
Volunteer medical missions to low- and middle-income countries provide necessary care to underserved populations (Meara et al., Lancet 386(9993):569–624, 2015). For almost thirty years, our team (directed by DH) has been operating at the Hospital Universitario Hernando Moncaleano Perdomo, a teaching hospital for the Surcolombiana University Faculty of Health in Neiva, Colombia. Neiva, with a population of approximately four hundred thousand, is the capital of the Department of Huila, which has a population of just over one million. Neiva is located approximately one hour by air south of Bogotá, the country’s capital. At the start, we had a team of approximately twenty healthcare providers. This has grown to over one hundred individuals from Neiva and other cities in Colombia, the United States, Canada, and several countries in Europe. The following is an exposition on how such effort starts, what is needed to initiate it and what is most important, how to sustain such effort and expand it over many years. The goal of such an effort is to transfer and expand the knowledge and skills and to support it with the local healthcare professionals and with the local institutions and the local public. Our collaboration would not have been successful without the continuous support of one individual, Carlos Fajardo, a retired civil engineer. He was the catalyst that brought our first team to Neiva in 1993 and has been instrumental in handling all the local logistics. He has been the perfect champion – serving as a fierce advocate for children’s health and a mentor and friend to many of us.
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 | 0,021 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,006 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,011 |
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 ».