MétaCan
Menu
Retour à la cohorte
Enregistrement W2074274188 · doi:10.1097/00001888-200609000-00014

Medical Workforce Policy-Making in Canada, 1993???2003: Reconnecting the Disconnected

2006· article· en· W2074274188 sur OpenAlexaffabout
W. Dale Dauphinée, Lynda Buske

Notice bibliographique

RevueAcademic Medicine · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensMedical Council of Canada
Organismes subventionnairesnon disponible
Mots-clésWorkforceProductivityWorkforce planningPhysician supplyEconomic shortageBusinessNormativeMedicinePublic relationsPolitical scienceHealth careEconomic growthEconomicsGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

The authors set out to review Canadian medical workforce policies for 1993 to 2003 and assess if data existed in the 1990s that could have reversed the policy decision to curtail the supply of physicians from Canada's medical schools just as Canada was about to experience a developing shortage. The authors reviewed existing descriptive data sources regarding Canadian physician workforce size and activity from 1986 to 2003, including the Canadian Medical Association workforce database. The review indicated that a significant loss of physicians to retirement was imminent. Physician workforce productivity had started to fall by the early 1990s. Emigration to the United States had risen above traditional levels in the early 1990s and remained higher into the late 1990s. Despite these existing findings, an integrated adjustment to physician workforce policies taken in 1993-94 only occurred after 1999. The authors recommend that policy makers and managers must monitor the numbers from existing sources. To optimize these sources, planned data tracking and linkages are essential. The period in question demonstrated major disconnects in coordinating implementation, wherein subject experts monitoring data trends were not adequately utilized by policy makers. Finally, in complex systems with regional differences, policy decisions based on normative data are insufficient.

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)0,015
score de la tête « metaresearch » (Gemma)0,033
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: aucune
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil0,874

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,033
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,013
Études des sciences et des technologies0,0080,002
Communication savante0,0120,002
Science ouverte0,0030,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,436
Écart entre enseignants0,390 · 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

Citations10
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetGlobal Health Workforce IssuesTravaux en français237 207