Urban washout: How strong is the rural-background effect?
Notice bibliographique
Résumé
OBJECTIVE: To test predictors of practice location of fully qualified Monash University Bachelor of Medicine, Bachelor of Surgery (MBBS) graduates. DESIGN: Cohort survey, 2011. SETTING: Australia. PARTICIPANTS: Rural (n = 67/129) and urban (n = 86/191) background doctors starting at Monash University 1992-1999. Approximately 60% female, 77% married/partnered, 79% Australian-born, mean age 34 years, 31% general practitioners, 72% fully qualified and 80% training/practising in major cities. MAIN OUTCOME MEASURES: First and current practice location once fully qualified. Intended practice location in 5-10 years. RESULTS: Logistic regression found that rural versus urban background was a significant predictor of rural (outside major city) first practice location (odds ratio (OR) 5.0, 95% confidence interval (CI) 1.3-19.2) and rural current practice location (OR 5.6, 95% CI 1.5-21.2) for fully qualified doctors. General practitioner versus other medical specialists significantly predicted first (OR 7.2, 95% CI 2.1-25.2) or current (OR 3.6, 95% CI 1.1-11.9) rural practice location. Preference for a rural practice location in 5-10 years was predicted by rural background (OR 4.4, 95% CI 1.6-11.8) and positive intention towards rural practice upon completing MBBS (OR 4.6, 95% CI 1.7-12.6). Surveyed in 2011, 28% of those who also responded to the 2006 survey shifted their preferred future practice location from rural to urban communities versus 13% shifting from urban to rural (McNemar-Bowker test, P = 0.02). CONCLUSION: The majority of fully qualified Monash MBBS graduates practicing in rural communities have rural backgrounds. The rural-background effect diminished over time and may need continued support during training and full practice.
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 | 0,005 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».