MétaCan
Menu
Retour à la cohorte
Enregistrement W2124133248 · doi:10.1111/j.1475-6773.2007.00709.x

Nurse Migration: A Canadian Case Study

2007· article· en· W2124133248 sur OpenAlexaffabout
Lisa Little

Notice bibliographique

RevueHealth Services Research · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensCanadian Nurses Association
Organismes subventionnairesnon disponible
Mots-clésWorkforceNursingBeneficiaryNursing shortageBusinessMedicineEmigrationImmigration policyImmigrationNurse educationEconomic growthPolitical scienceEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To synthesize information about nurse migration in and out of Canada and analyze its role as a policy lever to address the Canadian nursing shortage. PRINCIPAL FINDINGS: Canada is both a source and a destination country for international nurse migration with an estimated net loss of nurses. The United States is the major beneficiary of Canadian nurse emigration resulting from the reduction of full-time jobs for nurses in Canada due to health system reforms. Canada faces a significant projected shortage of nurses that is too large to be ameliorated by ethical international nurse recruitment and immigration. CONCLUSIONS: The current and projected shortage of nurses in Canada is a product of health care cost containment policies that failed to take into account long-term consequences for nurse workforce adequacy. An aging nurse workforce, exacerbated by layoffs of younger nurses with less seniority, and increasing demand for nurses contribute to a projection of nurse shortage that is too great to be solved ethically through international nurse recruitment. National policies to increase domestic nurse production and retention are recommended in addition to international collaboration among developed countries to move toward greater national nurse workforce self sufficiency.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,960
Score d'incertitude au seuil0,291

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0220,002
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
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 Opus0,137
Tête enseignante GPT0,594
Écart entre enseignants0,457 · 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

Citations46
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Services ResearchMême sujetGlobal Health Workforce IssuesTravaux en français237 207