The migration of physicians from sub-Saharan Africa to the United States of America: measures of the African brain drain
Notice bibliographique
Résumé
BACKGROUND: The objective of this paper is to describe the numbers, characteristics, and trends in the migration to the United States of physicians trained in sub-Saharan Africa. METHODS: We used the American Medical Association 2002 Masterfile to identify and describe physicians who received their medical training in sub-Saharan Africa and are currently practicing in the USA. RESULTS: More than 23% of America's 771 491 physicians received their medical training outside the USA, the majority (64%) in low-income or lower middle-income countries. A total of 5334 physicians from sub-Saharan Africa are in that group, a number that represents more than 6% of the physicians practicing in sub-Saharan Africa now. Nearly 86% of these Africans practicing in the USA originate from only three countries: Nigeria, South Africa and Ghana. Furthermore, 79% were trained at only 10 medical schools. CONCLUSIONS: Physician migration from poor countries to rich ones contributes to worldwide health workforce imbalances that may be detrimental to the health systems of source countries. The migration of over 5000 doctors from sub-Saharan Africa to the USA has had a significantly negative effect on the doctor-to-population ratio of Africa. The finding that the bulk of migration occurs from only a few countries and medical schools suggests policy interventions in only a few locations could be effective in stemming the brain drain.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».