Credentialing and retention of visa trainees in post-graduate medical education programs in Canada
Notice bibliographique
Résumé
BACKGROUND: Visa trainees are international medical graduates (IMG) who come to Canada to train in a post-graduate medical education (PGME) program under a student or employment visa and are expected to return to their country of origin after training. We examined the credentialing and retention of visa trainees who entered PGME programs between 2005 and 2011. METHODS: Using the Canadian Post-MD Education Registry's National IMG Database linked to Scott's Medical Database, we examined four outcomes: (1) passing the Medical Council of Canada Qualifying Examination Part 2 (MCCQE2), (2) obtaining a specialty designation (CCFP, FRCPC/SC), and (3) working in Canada after training and (4) in 2015. The National IMG Database is the most comprehensive source of information on IMG in Canada; data were provided by physician training and credentialing organizations. Scott's Medical Database provides data on physician locations in Canada. RESULTS: There were 233 visa trainees in the study; 39.5% passed the MCCQE2, 45.9% obtained a specialty designation, 24.0% worked in Canada after their training, and 53.6% worked in Canada in 2015. Family medicine trainees (OR = 8.33; 95% CI = 1.69-33.33) and residents (OR = 3.45; 95% CI = 1.96-6.25) were more likely than other specialist and fellow trainees, respectively, to pass the MCCQE2. Residents (OR = 7.69; 95% CI = 4.35-14.29) were more likely to obtain a specialty credential than fellows. Visa trainees eligible for a full license were more likely than those not eligible for a full license to work in Canada following training (OR = 3.41; 95% CI = 1.80-6.43) and in 2015 (OR = 3.34; 95% CI = 1.78-6.27). CONCLUSIONS: Visa training programs represent another route for IMG to qualify for and enter the physician workforce in Canada. The growth in the number of visa trainees and the high retention of these physicians warrant further consideration of the oversight and coordination of visa trainee programs in provincial and in pan-Canadian physician workforce planning.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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 ».