Challenges faced by women oncologists in Africa: a mixed methods study
Notice bibliographique
Résumé
Objective: Recent studies have identified challenges facing women oncologists in Western contexts. However, similar studies in Africa have yet to be conducted. This study sought to determine the most common and substantial challenges faced by women oncologists in Africa and identify potential solutions. Methods and analysis: A panel of 29 women oncologists from 20 African countries was recruited through professional and personal networks. A Delphi consensus process identified challenges faced by women oncologists in Africa, and potential solutions. Following this, focus group discussions were held to discuss the results. Descriptive statistics were used to identify the most common challenges indicated by participants and thematic analysis was conducted on focus group transcripts. Results: African women oncologists experienced challenges at individual, interpersonal, institutional and societal levels. The top-ranked challenge identified in the Delphi study was 'pressure to maintain a work-family balance and meet social obligations'. Some of the challenges identified were similar to those in studies on women oncologists outside of Africa while others were unique to this African demographic. Solutions to improve the experience of women oncologists were identified and discussed, including greater work flexibility and mentorship opportunities. Conclusion: Women oncologists in Africa experience many of the challenges that have been previously identified by studies in other regions. These challenges and potential solutions exist at all levels of the social-ecological framework. Women oncologists must be empowered in number and leadership, and gender-sensitive curricula and competencies must be implemented. A systems-level dialogue could bring light to these challenges and foster tangible action and policy-level changes.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».