The skills and brain drain what nurses say
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS AND OBJECTIVES: To explore sub-Saharan African nurses' reasons for moving to the UK, their views on the skills and brain drain, and what can be done to stem the situation. BACKGROUND: The UK and other developed nations such as the USA, Canada and Australia have been recruiting internationally qualified nurses including those from sub-Saharan African, which has raised concerns of skills and brain drain from these countries that are known to suffer from nurse shortages. METHODS: A purposeful sample of 30 nurses from sub-Saharan African was drawn from four National Health Service trusts in the north-east of England. Using focus group discussions and personal interviews, the study explored and examined nurses' views on their motivation to move to the developed countries and what can be done to reduce nurse migration from sub-Saharan African and give those countries a chance to develop their health systems by retaining their health personnel. RESULTS: Five main themes emerged from data analysis: poor remuneration, lack of professional development in the home countries, poor health care and systems, language and education similarities and easy availability of jobs and visas. CONCLUSION: Data indicate that migration motives for nurses are complex and inherent in historical links and in global values. Nurses stressed that they would like to stay in their own countries and help develop healthcare there, but reasons for moving were often strong and apparently not within their control. RELEVANCE TO CLINICAL PRACTICE: Nurse migration from sub-Saharan African has often been cited as a limitation in providing effective healthcare in those countries. Delineating motivational factors for nurses could help to stem this migration.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle