Nonacademic Attributes Predict Medical and Nursing Student Intentions to Emigrate or to Work Rurally: An Eight-Country Survey in Asia and Africa
Notice bibliographique
Résumé
AbstractWe sought to identify independent, nonacademic predictors of medical and nursing student intent to migrate abroad or from rural to urban areas after graduation in low- and middle-income countries (LMIC). This was a cross-sectional survey of 3,199 first- and final-year medical and nursing students at 16 training institutions in eight LMIC. Questionnaires assessed demographics, career intentions, and preferences regarding selected career, location, and work-related attributes. Using principal component analysis, student preferences were reduced into four discrete categories of priorities: 1) work environment resources, 2) location livability, 3) altruistic job values, and 4) individualistic job values. Students' preferences were scored in each category. Using students' characteristics and priority scores, multivariable proportional odds models were used to derive independent predictors of intentions to emigrate for work outside the country, or to work in a rural area in their native country. Students prioritizing individualistic values more often planned international careers (adjusted odds ratio [aOR] = 1.44, 95% confidence interval [CI] = 1.16-1.78), whereas those prioritizing altruistic values preferred rural careers (aOR = 1.82, 95% CI = 1.50-2.21). Trainees prioritizing high-resource environments preferentially planned careers abroad (aOR = 1.38, 95% CI = 1.12-1.69) and were unlikely to seek rural work (aOR = 0.60, 95% CI = 0.49-0.73). Independent of their priorities, students with prolonged prior rural residence were unlikely to plan emigration (aOR = 0.67, 95% CI = 0.50-0.90) and were more likely to plan a rural career (aOR = 1.53, 95% CI = 1.16-2.03). We conclude that use of nonacademic attributes in medical and nursing admissions processes would likely increase retention in high-need rural areas and reduce emigration "brain drain" in LMIC.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».