VitalSurg: Outcomes From a Surgical Task-Shifting Training Program in a Humanitarian Context
Notice bibliographique
Résumé
OBJECTIVE: The Vital Surgery Training Program (VitalSurg) is a task-shifting initiative designed to build local surgical capacity in surgical deserts by training generalist doctors to perform essential procedures. Implemented in partnership with Médecins Sans Frontières (MSF), the program has undergone 2 pilot iterations in South Sudan. This study evaluates the second iteration, which reflects a refined curriculum and integrated assessment strategy informed by lessons learned from the first iteration. We sought to examine the feasibility, effectiveness, and adaptability of competency-based surgical training embedded within humanitarian clinical care. DESIGN: We conducted a mixed-methods summative evaluation of the training program. Quantitative trainee performance data-including pre- and postmodule quizzes, oral and written exams, case logs, and Entrustable Professional Activities (EPAs)-were analyzed alongside qualitative data from Key Informant Interviews (KIIs) with trainers, trainees, and MSF stakeholders. SETTING: This study was conducted at Aweil State Hospital, an MSF-supported district hospital in Northern Bahr El Ghazal, South Sudan, which provides maternity and pediatric surgical care in a resource-limited setting. PARTICIPANTS: Two local medical doctors were enrolled in the second VitalSurg cohort. RESULTS: Over the 18-month training program, trainees performed an average of 1305 procedures and improved across all evaluation domains. 446 EPAs were completed, with significant variation between trainees (281 vs. 165 EPAs completed; 162 vs. 53 passed), reflecting differing levels of engagement and skill acquisition. EPA pass rates ranged widely, from 81.7% for skin graft to 43.5% for Caesarean section and 22.0% for laparotomy. Competency-based education tools were feasibly implemented despite infrastructure constraints. KIIs highlighted common training challenges-including case mix, service to education ratios, and trainer variability-as well as opportunities for refinement. CONCLUSION: VitalSurg demonstrates the feasibility of embedding task-shifting surgical training into humanitarian clinical activities. This model offers a promising, scalable strategy to expand access to safe surgical care in conflict-affected settings.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».