Developing Equitable Policies for Task-Shifting from Supervisors to Resident Doctors in Indonesian Teaching Hospitals: A Legal and Ethical Framework
Notice bibliographique
Résumé
Background: Task-shifting from supervisors to resident doctors is critical to specialist medical education in Indonesia. While broadly regulated under Law No. 17 of 2023, the absence of specific derivative regulations creates significant challenges, including role ambiguity, increased risk of medical errors, and inequities in supervision. Aims: This study aims to critically evaluate the proposed implementation of international best practices within Indonesia’s unique healthcare system and formulate a legal and ethical framework for equitable task delegation. Methods: Employing an empirical juridical approach, the study integrates in-depth interviews, document analysis, and legal doctrinal reviews across multiple teaching hospitals. Result: Findings indicate that the absence of derivative regulations leads to ambiguity in authority, inconsistent supervision practices, and heightened medical risks. International models such as the ACGME and EU directives offer useful insights but require contextual adaptation. This study further highlights systemic barriers in Indonesia, including resource constraints, logistical challenges, and political inertia. The critical role of supervisors is emphasised, necessitating clear training, certification, and accountability standards. Conclusion: There is an urgent need for a structured and localised task-shifting policy framework that integrates global standards while addressing Indonesia's practical realities. The proposed model outlines legal clarity, equitable delegation mechanisms, competency-based assignments, and institutional accountability.
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 | 0,099 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,015 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».