Implementation and Evaluation of a Virtual Rheumatology Training Program in East Africa
Notice bibliographique
Résumé
OBJECTIVE: Access to rheumatology education and care is limited in many African countries, leading to suboptimal clinical care and poor outcomes for patients. Virtual education is a feasible means to deliver curricula remotely. A virtual rheumatology course for medical residents in sub-Saharan Africa was developed. We describe the course and its evaluation. METHODS: An annual 16-week virtual rheumatology program was delivered to internal medicine residents in Rwanda between 2021 and 2024. Lectures on core rheumatology topics were provided, in English, by an international faculty that included lecturers from Africa to ensure regionally relevant content. In 2023, the virtual course was supplemented by a weeklong in-person visit. Participants completed questionnaires to evaluate their experiences with the course, their confidence in evaluating rheumatologic conditions, and any recommendations for course improvement. Instructors evaluated their experiences with the course. Summary statistics and representative quotations are provided. RESULTS: Postcourse evaluations were available from 55 residents and 7 instructors. All residents who completed the questionnaires reported the lectures were useful. Many (22/54 [41%]) requested additional time for case discussions and in-person teaching. After the course, residents rated their confidence in assessing and managing rheumatologic cases as good (median 7/10 [range 4-10]). Conflicting clinical duties prevented most residents (42/55 [76%]) from attending all lectures. Instructors reported some challenges, especially insufficient interaction during virtual lectures. CONCLUSION: A virtual rheumatology course is a feasible means to deliver rheumatology education to medical trainees but does not replace the need for in-person education. The program is adaptable to other regions with limited rheumatology resources.
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 | 0,002 | 0,000 |
| 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 ».