MétaCan
Menu
Retour à la cohorte
Enregistrement W2886925563 · doi:10.36834/cmej.43301

Trajectories of physicians in Manitoba, Canada: the influence of contact points of rural-focused professional learning

2018· article· en· W2886925563 sur OpenAlexafffundvenueabout
John Murray, Charles Penner, W.K. van der Heide, Dawn Piasta, Don Klassen

Notice bibliographique

RevueCanadian Medical Education Journal · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensManitoba HealthUniversity of Manitoba
Organismes subventionnairesCerebraUniversity of Manitoba
Mots-clésMedical educationGerontologyMedicinePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Manitoba Office of Rural and Northern Health (ORNH) provided a multi-year series of elective opportunities for undergraduate medical students to support rural/remote medical practice. The purpose of this study was to examine the career trajectories of Manitoba physicians in eight matched cohorts over the period 2004-2007 between: 1) those who experienced a required rural clinical block rotation only during their undergraduate medicine training in Manitoba (Med 1 and Med 3), and; 2) those who engaged in and completed additional elective programs referred to here as "contact points". METHODS: The study utilized a retrospective/longitudinal matched cohort design which included the common factor of a mandated rural clinical one-week rotation and the differentiating factors of experiences in elective programming offered by the ORNH (contact points). RESULTS: ) to have continued contact with ORNH in addition to the mandatory rural rotation alone. For practitioners now located in rural/remote settings, a mean of 0.903 contact points per learner with ORNH programs is observed. For those now in urban practice the mean number of contact points per learner was 0.233. CONCLUSION: We conclude that there is an association between rural-focused contact points and rural and remote practice in Manitoba. Targeted professional learning where physician recruitment and retention remains a continuing challenge is discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,364
Écart entre enseignants0,345 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetGlobal Health Workforce IssuesTravaux en français237 207