Survey of Hematology/Oncology Program Leaders on Equity and Global Health Opportunities for Fellows
Notice bibliographique
Résumé
PURPOSE: The study assesses the current state of global oncology (GO)/hematology training opportunities in US fellowship programs. METHODS: We developed a comprehensive survey of 64-Likert multiple-choice and open-ended questions. The survey was electronically distributed to fellowship program leaders at Accreditation Council for Graduate Medical Education-accredited adult hematology/oncology fellowships. Program directors received three reminders after which survey was sent to assistant program directors or division heads for programs not represented. RESULTS: A total of 171 programs were eligible for the survey. We received 42 (24.6%) responses; 40 were included in the analysis, and two were excluded for declined consent and incomplete responses. The programs include large academic (81.6%) and community hospitals (10.5%). Of the respondents, 18 (48.6%) reported offering some opportunities for global health training, and half reported interest among current fellows. Most programs (29, 82.9%) had three or fewer faculty engaged in GO research. Institutional training grants were available in 15 (39.5%) programs, of which six (40%) allowed for global health research. Of the 18 programs offering global health training activities, most (15, 83.3%) report less than a quarter of their trainees currently participate in GO experiences. The most commonly perceived barriers to GO opportunities include competing priorities (85.3%) and lack of faculty mentors with GO-related experience (82.4%). Conversely, the most commonly perceived facilitators include established partnerships outside the United States (97.0%) and dedicated institutional funding (93.9%). CONCLUSION: Our survey demonstrates that although there is significant interest among fellowship trainees, a minority of the fellowship programs offer GO opportunities. Providing GO opportunities would require programs to establish partnerships with institutions outside the United States and to have systematic approaches of addressing other barriers, including enhancing funding and mentorship.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».