MétaCan
Menu
Retour à la cohorte
Enregistrement W4403483788 · doi:10.3390/siuj5050053

Post-Graduate Urology Training in Low- and Middle-Income Countries

2024· article· en· W4403483788 sur OpenAlexvenueno aff
Laith Baqain, Sanad Haddad, Ronny Baqain, Yaser El Hout, Mohammed Shahait

Notice bibliographique

RevueSociété Internationale d’Urologie Journal · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Low and middle income countriesMiddle income countryUrologyMedical educationMedicineEconomicsDeveloping countryGeographyDemographic economicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Introduction: Urological conditions significantly impact global health, with increasing demand for urologists in both developed and developing countries. Disparities in access to surgical care between high-income countries (HICs) and low- and middle-income countries (LMICs) are evident. Despite advancements in urology, LMIC training programs often follow outdated curricula and traditional methods. Methodology: A comprehensive search strategy identified urology training programs in LMICs using the EduRank website, Google searches, and PubMed. Data were collected from the literature, official documents, and online resources, focusing on variables such as program duration, research requirements, and resident salaries. Results: The analysis revealed significant variability in program structures and requirements across LMICs. Residency training durations ranged from 4 to 6 years, with inconsistent research obligations and resident salaries averaging USD 12,857 annually, with a range from USD 5412 to USD 18,174. Fellowship opportunities were limited, with only a small number of programs achieving international accreditation. Conclusions: This study reveals disparities among urology training programs in LMICs, emphasizing the challenges faced by LMICs in providing comprehensive education. Outdated curricula, limited faculty, and insufficient resources contribute to the variability in training quality within LMICs. To bridge these gaps, there is a pressing need for standardized and locally tailored educational frameworks. Future research should focus on direct comparisons with programs in HICs to develop strategies that improve training opportunities and ensure equitable access to advanced urological education and care worldwide.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0340,002

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 Opus0,119
Tête enseignante GPT0,454
Écart entre enseignants0,335 · 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'étudeSans objet
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociété Internationale d’Urologie JournalMême sujetGlobal Health Workforce IssuesTravaux en français237 207