MétaCan
Menu
Retour à la cohorte
Enregistrement W2884190577 · doi:10.3917/spub.180.0141

Motivations des agents obstétricaux qui décident d’exercer en milieu rural au Niger

2018· article· fr· W2884190577 sur OpenAlexaff
Loubna Belaid, Mahaman Moha, Christian Dagenais, Valéry Ridde

Notice bibliographique

RevueSanté Publique · 2018
Typearticle
Languefr
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésThematic analysisFormative assessmentWork (physics)NursingPosition (finance)Rural areaRural healthPublic healthPsychologyPublic relationsSociologyPolitical scienceMedicineQualitative researchBusinessPedagogy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The objective of this study was to determine the individual motivations influencing health professionals' decisions to work in rural areas. This study was conducted in three of the six districts of the Tillabery region in Niger (Tillabéry, Téra and Ouallam). METHODS: We conducted 102 in-depth interviews with health professionals (physicians, nurses and midwives), which were analysed according to thematic analysis with a mixed approach (inductive and deductive). RESULTS: Multiple individual motivations influence the choice to work in rural areas: the health professional's rural origin, the low cost of living, development of the professional career (to acquire a position of responsibility and to gain experience, working in the public health system) and social relations (superiors and communities). CONCLUSION: This study highlighted the complexity of individual motivation, which depends on a multitude of factors and is expressed differently according to individual trajectories. Improving access to public health service status, and a position of responsibility providing support to health personnel by district managers through positive and formative supervision could be initiatives to support the retention of health personnel in rural areas.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,017
Tête enseignante GPT0,315
Écart entre enseignants0,299 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSanté PubliqueMême sujetGlobal Maternal and Child HealthTravaux en français237 207