MétaCan
Menu
Retour à la cohorte
Enregistrement W205721643

Recruitment and retention of general practitioners in rural Canada and Australia: a review of the literature.

2013· review· en· W205721643 sur OpenAlexaboutno aff
Marco Viscomi, Sarah Larkins, Tarun S Gupta

Notice bibliographique

RevuePubMed · 2013
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageRural areaMedicineRelevance (law)Family medicineMEDLINENursingPsychologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Both Canada and Australia are facing severe shortages of primary health workers, and these shortages are exacerbated in rural and remote communities. This literature review highlights similarities and explores the factors that serve to attract and retain family practitioners in underserved regions of Canada and Australia. METHODS: We used MEDLINE on OvidSP to review the literature between Jan. 1, 2000, and June 30, 2012. We excluded sources if the primary objective did not consider recruitment or retention of general practitioners. RESULTS: We found a total of 114 sources, 28 of which were excluded, leaving 86 sources for review. We organized results according to 5 life stages of family physicians in rural practice and graded the literature according to the strength of the methodology and the relevance of the findings. We chronologically categorized Canadian and Australian literature that discussed recruitment and retention of family practitioners into rural practice. CONCLUSION: Various factors that pertain to each life stage of a family physician have been shown to positively correlate with the eventual decision to commence and remain practising in rural areas. Training programs should be better structured to attract candidates who are more likely to enter rural practice. Policy-makers should be mindful of these findings, because improvements in retention will deliver large financial savings.

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)0,007
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,368

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0080,015
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,188
Tête enseignante GPT0,446
Écart entre enseignants0,258 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations139
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetGlobal Health Workforce IssuesTravaux en français237 207