Where do family physicians practise after residency training? Flow of physicians from region to region across Canada.
Notice bibliographique
Résumé
OBJECTIVE: To understand the flow of family physicians from region to region across Canada. To discover how many leave a region after residency, how many stay, and how many flow into a region from other regions. DESIGN: Cross-sectional study using descriptive statistics. SETTING: Various regions across Canada. PARTICIPANTS: A weighted sample (N = 14,332) of all family physicians who completed the College of Family Physicians of Canada's 2001 National Family Physician Workforce Survey. This survey asked where physicians had done their family medicine residency. MAIN OUTCOME MEASURES: The proportion of family physicians whose current region of practice was the same as their place of residency ("staying"), the proportion of family physicians who trained in one region and who now practise in a different region ("outflow"), the proportion of family physicians who practise in a region but were trained in another region ("inflow"), and the number of family physicians flowing in and out of regions. RESULTS: Half of Canadian family physicians were practising in regions different from the regions where they did their residency programs. This percentage varied by region, however, with only Ontario's percentage resembling the Canadian figure. In the Atlantic and Prairie regions, few stayed (13.8% and 24.7%, respectively), but many flowed in. In Quebec, a high proportion stayed after residency training (81.6%). In British Columbia, only 23.7% stayed, but many flowed in. CONCLUSION: This study provides information about the relationship between where family physicians did their residency programs and where they subsequently practised. Our results add important information to the health human resource literature.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».