Learners and locations: Use of administrative data and GIS technology to map birthplace, residence during high school years, and permanent residence of presently enrolled medical students at Memorial University
Notice bibliographique
Résumé
Background In the past twenty years, there has been a growing recognition of both the shortage of doctors in rural areas as well as the social responsibility of medical schools to contribute to the recruitment and retention of rural physicians. In this vein, analyzing the lack of fit between where people live and where doctors practice is a priority in both medical education and health services research. Objective(s) The Learners and Locations pilot study, undertaken at the Health Research Unit at the Faculty of Medicine at Memorial University, was designed to develop a geographic database to track physicians during all stages of education and practice in Newfoundland and Labrador. This database will assist examination and analysis of the association between geographic origin, learning locations during medical education, and eventual practice locations following training. Methods (1) Surveys were administered to current undergraduate and post-graduate students at Memorial University to collect background and educational placement information. (2) An administrative database was developed to collect the required information in an ongoing and routine manner. (3) The survey data was used to show proof of concept, and results were presented using GIS technology. Results (1) There were 89/ 261 completed undergraduate surveys and 160/ 245 completed post-graduate surveys. (2) An Access Learners and Locations Database was created by linking data from the Admissions office and One45. (3) To explore eventual linkage with CAPER data, a recent de-identified cohort of Newfoundland and Labrador medical graduates was requested and downloaded from CAPER’s database. It was cleaned and shown to be importable to the administrative database and Proof of Concept database. Maps were generated showing where students completed their undergraduate and post-graduate training. Conclusions The pilot study shows that as the Learners and Locations database grows, it will be possible to import data from specific sources (One45 and CAPER) to examine patterns related to geographic origin, learning locations, and eventual practice locations.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».