MétaCan
Menu
Retour à la cohorte
Enregistrement W2183201155

Big cities and bright lights: rural- and northern-trained physicians in urban practice.

2007· article· en· W2183201155 sur OpenAlexaffabout
Raymond Pong, Benjamin T.B. Chan, Tom Crichton, James Goertzen, William McCready

Notice bibliographique

RevuePubMed · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensNOSM University
Organismes subventionnairesnon disponible
Mots-clésPopularitySpouseMedical educationWork (physics)Rural areaQualitative researchMedical practiceFamily medicinePsychologyMedicineSociologySocial psychologySocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Rural medical education is increasing in popularity in Canada. This study examines why some family physicians who completed their residency training in northern Ontario decided to practise in urban centres. METHODS: We used a qualitative research method. We interviewed 14 graduates of the Family Medicine North program and the Northeastern Ontario Family Medicine program. The interview transcripts were content-analyzed. RESULTS: There were different pathways leading to urban practice. While some pathways were straightforward, others were more complicated. Most participants offered multiple reasons for choosing to work in urban areas, suggesting that the decision-making processes could be quite complex. Family and personal factors were most frequently mentioned as reasons for choosing the urban option. The needs of the spouse and the children were especially important. Most of the participants had no plans to return to rural medical practice, but even these physicians retained some vestiges of rural practice. CONCLUSION: Most Canadian medical schools now offer some rural medical training opportunities. The findings of this study provide some useful insights that could help medical educators and decision-makers know what to expect and understand how practice location decisions are made by doctors.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,706

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,345
Écart entre enseignants0,316 · 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

Citations12
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetGlobal Health Workforce IssuesTravaux en français237 207