Defining a Framework and Evaluation Metrics for Sustainable Global Surgical Partnerships
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to use expert consensus to build a concrete and realistic framework and checklist to evaluate sustainability in global surgery partnerships (GSPs). BACKGROUND: Partnerships between high-resourced and low-resourced settings are often created to address the burden of unmet surgical need. Reflecting on the negative, unintended consequences of asymmetrical partnerships, global surgery community members have proposed frameworks and best practices to promote sustainable engagement between partners, though these frameworks lack consensus. This project proposes a cohesive, consensus-driven framework with accompanying evaluation metrics to guide sustainability in GSPs. METHODS: A modified Delphi technique with purposive sampling was used to build consensus on the definitions and associated evaluation metrics of previously proposed pillars (Stakeholder Engagement, Multidisciplinary Collaboration, Context-Relevant Education and Training, Bilateral Authorship, Multisource Funding, Outcome Measurement) of sustainable GSPs. RESULTS: Fifty global surgery experts from 34 countries with a median of 9.5 years of experience in the field of global surgery participated in 3 Delphi rounds. Consensus was achieved on the identity, definitions, and a 47-item checklist for the evaluation of the 6 pillars of sustainability in GSPs. In all, 29% of items achieved consensus in the first round, whereas 100% achieved consensus in the second and third rounds. CONCLUSIONS: We present the first framework for building sustainable GSPs using the input of experts from all World Health Organization regions. We hope this tool will help the global surgery community to find noncolonial solutions to addressing the gap in access to quality surgical care in low-resource settings.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».