Reflections on the ethics of recruiting foreign-trained human resources for health
Notice bibliographique
Résumé
BACKGROUND: Developed countries' gains in health human resources (HHR) from developing countries with significantly lower ratios of health workers have raised questions about the ethics or fairness of recruitment from such countries. By attracting and/or facilitating migration for foreign-trained HHR, notably those from poorer, less well-resourced nations, recruitment practices and policies may be compromising the ability of developing countries to meet the health care needs of their own populations. Little is known, however, about actual recruitment practices. In this study we focus on Canada (a country with a long reliance on internationally trained HHR) and recruiters working for Canadian health authorities. METHODS: We conducted interviews with health human resources recruiters employed by Canadian health authorities to describe their recruitment practices and perspectives and to determine whether and how they reflect ethical considerations. RESULTS AND DISCUSSION: We describe the methods that recruiters used to recruit foreign-trained health professionals and the systemic challenges and policies that form the working context for recruiters and recruits. HHR recruiters' reflections on the global flow of health workers from poorer to richer countries mirror much of the content of global-level discourse with regard to HHR recruitment. A predominant market discourse related to shortages of HHR outweighed discussions of human rights and ethical approaches to recruitment policy and action that consider global health impacts. CONCLUSIONS: We suggest that the concept of corporate social responsibility may provide a useful approach at the local organizational level for developing policies on ethical recruitment. Such local policies and subsequent practices may inform public debate on the health equity implications of the HHR flows from poorer to richer countries inherent in the global health worker labour market, which in turn could influence political choices at all government and health system levels.
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 | 0,105 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,038 | 0,070 |
| Communication savante | 0,015 | 0,006 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,015 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».