Predictors of rural family medicine practice in Canada.
Notice bibliographique
Résumé
OBJECTIVE: To examine the attributes of Canadian medical students at matriculation that predicted later practice in a rural location, with the goal of enhancing evidence-based approaches to increasing the numbers of rural family physicians. DESIGN: Demographic, attitudinal, and career choice data were collected from medical students at matriculation. Students were followed prospectively, and these data were linked to postresidency practice location. SETTING: Eight Canadian medical schools. PARTICIPANTS: Study participants were 15 classes of medical students entering medical school between 2002 and 2004. MAIN OUTCOME MEASURES: Backward stepwise logistic regression analysis was used to identify the entry characteristics that predicted postresidency practice as a rural family physician. RESULTS: Data from 1542 students were analyzed. A strong association was found between career interest in rural family medicine at entry into medical school and postresidency rural practice as a family physician. Logistic regression analysis that did not include entry career interest found older age, being in a relationship, having completed school in a rural community, having a societal orientation, and expressing a desire for a varied scope of practice to be predictive of practising in a rural location. When entry career interest in a rural setting was included in the multivariate model, only this variable and older age predicted postresidency rural family practice. CONCLUSION: This study identified a number of demographic and attitudinal variables at medical school entry that predict postresidency practice in a rural setting. These results suggest multiple potential areas where the pipeline to rural family practice can be further supported in order to address the shortage of rural family physicians.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».