Notice bibliographique
Résumé
Introducao: In Canada, the mortality rate increases with distance from an urban center. The rural-urban divide is highest amongst the younger population under 45 years of age. In 2011, 18 percent of Canadians live outside the metropolitan area and 15 percent of family physicians live in rural communities. Memorial Medical School has a social accountability mandate and focuses the training of rural physicians. Objetivos: The objective of this presentation is to describe the Northern Family Medicine (Norfam) program of Memorial University and the impact this program has on physician human resources and services. Metodologia ou Descricao da Experiencia: The Norfam program is based in remote community of 7,600 with a catchment population of 15,000 dispersed over an area the size of England. Norfam is involved in the whole pipeline from high school, premed institute, all the 4 years of undergraduate medical school, family medicine and pediatric residencies, PhD training and professional development. Resultados: Graduates of Norfam allowed us to fill all the physician positions. 90% of Norfam graduates worked in rural Canada. More local students are applying to medical school. The entire 5 Indigenous students from the 1st batch of Premed have entered a health professional training (with 3 in medicine). Three students from the 2nd batch are currently completing their current undergraduate studies and 2 have applied for medical school. Norfam is associated with a drop in infant mortality rate from 3 times the Canadian average to at par. Applied research have addressed previously high prevalence of occupational crab asthma and Hepatitis B. We are working our priorities, suicide and diabetes mellitus. Conclusao ou Hipoteses: Training physicians in rural settings helps address physician human resource issue and address the disparities in health status. It allows our medical school to be socially accountable.
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 | 0,001 | 0,003 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,001 |
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 ».