Challenges and Recommendations for Improving Cancer Research and Practice in Nigeria: <i>A Qualitative Study With Multi-Stakeholders in Oncology Research and Practice</i>
Notice bibliographique
Résumé
BACKGROUND: Cancers, with increasing incidence and mortality rates, constitute a leading public health problem in Nigeria. As the burden of cancer in Nigeria increases, research and quality service delivery remain critical strategies for improved cancer control across the continuum of care. This study contextualizes the challenges and gaps in oncology research and practice in Nigeria, and presents recommendations to address the gaps. METHODS: This qualitative study was conducted among interprofessional and interdisciplinary stakeholders in oncology healthcare practice and research in academic settings, between July and September 2021. Key-informant interviews were held with six stakeholders and leaders in nursing, pharmacy, and medicine across the six geopolitical zones of Nigeria, and twenty-four in-depth interviews with early- or mid-career researchers or healthcare professionals involved in cancer prevention and treatment were conducted. The data were analyzed using a deductive thematic analysis approach and coded using the NVIVO 12 software. RESULTS: Five sub-themes were identified as major challenges to oncology research, including poor funding, excessive workload, interprofessional rivalry, weak collaboration, and denial of cancer diagnosis by patients. Challenges identified for oncology practice were poor governance and financing, high costs of oncology treatments, poor public awareness of cancer, workforce shortage, and interprofessional conflicts. Recommended strategies for addressing these challenges were improved financing of oncology research and practice by government and relevant stakeholders, increasing interest of medical, nursing, and pharmaceutical students in oncology research through curricula-based approach and mentorship, increased oncology workforce, and improved intra- and inter-professional collaboration. CONCLUSION: These data highlight the challenges and barriers in oncology practice and research in Nigeria, and underscore the urgent need for increased investments in infrastructure to provide interdisciplinary and interprofessional research training for high-quality care. Only then can Nigeria effectively tackle the current and impending cancer burden in the country.
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 | 0,046 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,009 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».