MétaCan
Menu
Retour à la cohorte
Enregistrement W2146895592

Telehealth and the recruitment and retention of physicians in rural and remote regions: a Delphi study.

2007· article· en· W2146895592 sur OpenAlexaffabout
Julie Duplantie, Marie‐Pierre Gagnon, Jean‐Paul Fortin, Réjean Landry

Notice bibliographique

RevuePubMed · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensHôpital Saint-François d'Assise
Organismes subventionnairesnon disponible
Mots-clésTelehealthDelphi methodWorkforceNursingRural areaMedicineMedical educationTelemedicinePsychologyPublic relationsBusinessPolitical scienceHealth careComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The availability of a medical workforce is a growing concern for rural and remote communities across Canada. In the last decade, various telehealth experiences have highlighted the potential impact of this technology on professional as well as organizational practices. But could telehealth be a strategy to attract and maintain physicians in rural and remote communities? The objective of this study was to identify a reliable list of recruitment and retention factors on which telehealth could have an impact. METHODS: We conducted 2 literature reviews and a Delphi study among 12 telehealth experts across Canada. RESULTS: The literature reviews identified 7 categories of recruitment and retention factors on which telehealth could have an impact: 1) individual, 2) familial, 3) contextual, 4) professional, 5) organizational, 6) educational, and 7) economic. CONCLUSIONS: Experts consulted through the Delphi study reached consensus on 31 out of 34 of the proposed statements about the impact of telehealth. This consensus can now be used as a conceptual model for further studies on the topic.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,897
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,080
Tête enseignante GPT0,351
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations48
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207