Understanding the factors affecting the attraction and retention of health professionals in rural and remote areas: a mixed-method study in Niger
Notice bibliographique
Résumé
BACKGROUND: The critical shortage of human resources in health is a critical public health problem affecting most low- and middle-income countries, particularly in sub-Saharan Africa. In addition to the shortage of health professionals, attracting and retaining them in rural areas is a challenge. The objective of the study was to understand the factors that influence the attraction and retention of health professionals working in rural areas in Niger. METHODS: A mixed-method study was conducted in Tillabery region, Niger. A conceptual framework was used that included five dimensions. Three data collection methods were employed: in-depth interviews, documentary analysis, and concept mapping. In-depth interviews were conducted with three main actor groups: policy-makers and Ministry of Health officials (n = 15), health professionals (n = 102), and local health managers (n = 46). Concept mapping was conducted with midwifery students (n = 29). Multidimensional scaling and cluster analysis were performed to analyse the data from the concept mapping method. A content analysis was conducted for the qualitative data. RESULTS: The results of the study showed that the local environment, which includes living conditions (no electricity, lack of availability of schools), social factors (isolation, national and local insecurity), working conditions (workload), the lack of financial compensation, and individual factors (marital status, gender), influences the attraction and retention of health professionals to work in rural areas. Human resources policies do not adequately take into account the factors influencing the retention of rural health professionals. CONCLUSION: Intersectoral policies are needed to improve living conditions and public services in rural areas. The government should also take into account the feminization of the medical profession and the social and cultural norms related to marital status and population mobility when formulating human resources management policies.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».