MétaCan
Menu
Retour à la cohorte
Enregistrement W1972977218 · doi:10.1258/135763304773391521

Physician perceptions of the effect of telemedicine on rural retention and recruitment

2004· article· en· W1972977218 sur OpenAlexaff
Joan Sargeant, Michael Allen, Donald B. Langille

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2004
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTelemedicineRural communityRural areaMedicineFamily medicineContinuing medical educationPerceptionContinuing educationPsychologyMedical educationHealth careDemography

Résumé

récupéré en direct d'OpenAlex

We conducted a postal survey of 140 family and community specialist physicians in a predominantly rural area which had received clinical telemedicine services and videoconferenced continuing medical education (CME) for two years. The questionnaire contained 46 items. The response rate was 47%. Most respondents (83%) reported having attended videoconferenced CME sessions and 45% reported having referred patients for teleconsultation. Physicians in more rural areas used these services more frequently. Ratings of two statements assessing the value of telemedicine in community support were significantly and positively correlated with the number of videoconferenced CME sessions attended and the number of telemedicine services used. In relation to their decision to stay in their community for at least one year, respondents rated telemedicine lower in importance than all but one of 17 other factors expected to influence physician recruitment and retention in rural communities. The influences on physician rural recruitment and retention are complex. However, telemedicine was used more frequently by the more rural physicians, and there was a relationship between higher usage and higher ratings of its value as a community support.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,404
Écart entre enseignants0,372 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetGlobal Health Workforce IssuesTravaux en français237 207