Retention of medical doctors at the district level: a qualitative study of experiences from Tanzania
Notice bibliographique
Résumé
BACKGROUND: Retention of Human Resources for Health (HRH), particularly doctors at district level is a big challenge facing the decentralized health systems in poorly resourced countries. Tanzania, with 75% of its population in rural areas, has only 26% of doctors serving in rural areas. We aimed to analyze the experiences regarding the retention of doctors at district level in Tanzania from doctors' and district health managers' perspectives. METHODS: A qualitative study was carried out in three districts from June to September 2013. We reviewed selected HRH documents and then conducted 15 key informant interviews with members of the District Health Management teams and medical doctors working at the district hospitals. In addition, we conducted three focus group discussions with Council Health Management Team members in the three districts. Incentive package plans, HRH establishment, and health sector development plans from the three districts were reviewed. Data analysis was performed using qualitative content analysis. RESULTS: None of the districts in this study has the number of doctors recommended. Retention of doctors in the districts faced the following challenges: unfavourable working conditions including poor working environment, lack of assurance of career progression, and a non-uniform financial incentive system across districts; unsupportive environment in the community, characterized by: difficulty in securing houses for rent, lack of opportunities to earn extra income, lack of appreciation from the community and poor social services. Health managers across districts endeavour to retain their doctors through different retention strategies, including: career development plans, minimum financial incentive packages and avenues for private practices in the district hospitals. However, managers face constrained financial resources, with many competing priorities at district level. CONCLUSIONS: Retention of doctors at district level faces numerous challenges. Assurance of career growth, provision of uniform minimum financial incentives and ensuring availability of good social services and economic opportunities within the community are among important retention strategies.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».