MétaCan
Menu
Retour à la cohorte
Enregistrement W2045166691 · doi:10.7196/samj.5803

Foreign advertisements for doctors in the SAMJ 2006 - 2010

2012· article· en· W2045166691 sur OpenAlexaboutno aff
Yoswa M. Dambisya, Malema Hendricca Mamabolo

Notice bibliographique

RevueSouth African Medical Journal · 2012
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmaceutical industry and healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRanking (information retrieval)AdvertisingFamily medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is much concern about the migration of health professionals from developing countries, and the contribution of active recruitment to the phenomenon. One active recruitment strategy is advertisements in professional journals and other media. OBJECTIVE: To establish the trends in foreign advertisements for doctors placed in the South African Medical Journal (SAMJ) from January 2006 to December 2010. METHODS: A retrospective review was conducted of 60 issues of the SAMJ published in the preview years. Printed journals were scanned for foreign advertisements. The findings were compared with a review of 2000 - 2004 in the same journal. RESULTS: There were 1 176 foreign advertisements placed in the SAMJ in the review period, reducing from 355 in 2006 to 121 in 2010. The countries placing the most advertisements were Australia (n=428, 36.4%), Canada (n=286, 24.3%), New Zealand (n=191, 16.2%) and the UK (n=108, 9.2%). Compared with the earlier findings, there was a reduction in advertisements for the top countries, excepting Australia. The top 4 countries remained the same for the 2 review periods, but the order changed, with Australia superseding the UK. CONCLUSION: The number of foreign advertisements placed in the SAMJ declined over the period under review, and there was a change in ranking of the top 4 advertising countries. These findings are discussed from the perspective of global human resources for health initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,402
Tête enseignante GPT0,542
Écart entre enseignants0,140 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Medical JournalMême sujetPharmaceutical industry and healthcareTravaux en français237 207