National and provincial retention of medical graduates of Memorial University of Newfoundland
Notice bibliographique
Résumé
BACKGROUND: Memorial University of Newfoundland (MUN) established its medical school in 1967 to meet the growing demand for physicians and alleviate the reliance on other Canadian and international medical schools for physicians. However, it is unclear how many of the graduates remained to practise in Canada and in Newfoundland and Labrador (NL). We conducted this study to identify the characteristics and predictors of MUN medical graduates working in Canada and NL after residency training. METHODS: We linked data from class lists, and alumni and postgraduate databases with data from the Southam Medical Database to determine 2004 practice locations for MUN graduates from 1973 to 1998. Multiple logistic regression analysis was used to identify predictors for working in Canada and in NL. RESULTS: Of the 1322 MUN graduates in our study, 1147 (86.8%) were working in Canada and 406 (30.7%) in NL in 2004. Predictors of physicians working in Canada included female sex (odds ratio [OR] 1.44, 95% confidence interval [CI] 1.01-2.04), being from Canada (OR 3.71, 95% CI 1.15-2.21), graduating in the 1980s (OR 1.52, 95% CI 1.02-2.24) and 1990s (OR 2.01, 95% CI 1.31-3.09) and having done some or all residency training at MUN (OR 1.59, 95% CI 1.53-9.01). Predictors of physicians working in NL included having a rural background (OR 1.37, 95% CI 1.04-1.81), being from NL (OR 9.23, 95% CI 5.52-15.44) and having done some or all residency training at MUN (OR 5.28, 95% CI 3.80-7.34). INTERPRETATION: The MUN medical school has made a substantial contribution to the local physician supply, producing over half the physicians working in the province in 2004. Initiatives to increase national and provincial retention of medical graduates include attracting rural students to medical careers, increasing admission of local students and providing incentives for graduates to complete their residency training in the province.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».