The financial cost of doctors emigrating from sub-Saharan Africa: human capital analysis
Notice bibliographique
Résumé
OBJECTIVE: To estimate the lost investment of domestically educated doctors migrating from sub-Saharan African countries to Australia, Canada, the United Kingdom, and the United States. DESIGN: Human capital cost analysis using publicly accessible data. SETTINGS: Sub-Saharan African countries. PARTICIPANTS: Nine sub-Saharan African countries with an HIV prevalence of 5% or greater or with more than one million people with HIV/AIDS and with at least one medical school (Ethiopia, Kenya, Malawi, Nigeria, South Africa, Tanzania, Uganda, Zambia, and Zimbabwe), and data available on the number of doctors practising in destination countries. MAIN OUTCOME MEASURES: The financial cost of educating a doctor (through primary, secondary, and medical school), assuming that migration occurred after graduation, using current country specific interest rates for savings converted to US dollars; cost according to the number of source country doctors currently working in the destination countries; and savings to destination countries of receiving trained doctors. RESULTS: In the nine source countries the estimated government subsidised cost of a doctor's education ranged from $21,000 (£13,000; €15,000) in Uganda to $58,700 in South Africa. The overall estimated loss of returns from investment for all doctors currently working in the destination countries was $2.17bn (95% confidence interval 2.13bn to 2.21bn), with costs for each country ranging from $2.16m (1.55m to 2.78m) for Malawi to $1.41bn (1.38bn to 1.44bn) for South Africa. The ratio of the estimated compounded lost investment over gross domestic product showed that Zimbabwe and South Africa had the largest losses. The benefit to destination countries of recruiting trained doctors was largest for the United Kingdom ($2.7bn) and United States ($846m). CONCLUSIONS: Among sub-Saharan African countries most affected by HIV/AIDS, lost investment from the emigration of doctors is considerable. Destination countries should consider investing in measurable training for source countries and strengthening of their health systems.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».