The Migration of South African Graduates to Canada: a Survey of Medical Practitioners in Saskatchewan
Notice bibliographique
Résumé
Aim of study: To determine the socio-demographic profile of South African doctors who have permanently emigrated to Saskatchewan, Canada, and to find out why they left, how they have adapted and if they intend returning to South Africa. Study design: A cross-sectional postal survey. Method: All South African qualified medical practitioners in Saskatchewan with permanent registration (N=218) were mailed anonymity-assure questionnaires. A second mailing was sent to non-respondents. Results: A 59% (N = 107) response was elicited with 35 returned-to-sender. Most doctors (79%) had left South Africa after 1990. Most (58%) qualified at Afrikaans medium medical schools in South Africa. The male to female ratio was 88:12. Seventy-four percent (74%) of respondents were general practitioners. Prior to emigration, 67% of respondents were employed in the South African public service. Most doctors (59%) earned between R525 000 and R876 000 per year in Canada. Violence was the most important reason for leaving South Africa, followed by perceived economic problems in South Africa and adverse working conditions at State health facilities. Adaptation and positive adjustments in a newly acquired country and lifestyle were evident. Returning to South Africa does not seem likely unless crime and violence diminish substantially. Conclusion: Most emigrants were male, recently qualified from all the major medical schools in South Africa, with equal Afrikaans and English speaking proportions. They left mainly because of fear for their personal security and poor working conditions in the South African public health sector. They are well settled in their new country, earn above average incomes in Canada and are very unlikely to return.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».