MétaCan
Menu
Retour à la cohorte
Enregistrement W4404055271 · doi:10.1177/10732748241298331

Challenges and Recommendations for Improving Cancer Research and Practice in Nigeria: <i>A Qualitative Study With Multi-Stakeholders in Oncology Research and Practice</i>

2024· article· en· W4404055271 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCancer Control · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvances in Oncology and Radiotherapy
Établissements canadiensQueen's University
Organismes subventionnairesNational Institute of Environmental Health SciencesNational Cancer InstituteUniversity of Chicago MedicineBreast Cancer Research Foundation
Mots-clésMedicineWorkforceMentorshipQualitative researchOncologyThematic analysisHealth careGovernment (linguistics)Internal medicineNursing researchNursingMedical education

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,755
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,398
Tête enseignante GPT0,622
Écart entre enseignants0,224 · 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