Extent and nature of dual practice engagement among Iran medical specialists
Notice bibliographique
Résumé
BACKGROUND: Dual practice (DP) by medical specialists is a widespread issue across health systems. This study aims to determine the level of DP engagement among Iran's specialists. METHODS: A pre-structured form was developed to collect the data about medical specialists worked in all 925 Iran hospitals in 2016. The forms were sent to the hospitals via medical universities in each province. The data were merged at the national level and matched using medical council ID codes, national ID codes, and eventually a combination of the first name, surname, and father's name. RESULTS: A total of 48 345 records were collected for 30 273 specialists from 858 (93%) hospitals out of total 925 hospitals. Sixteen thousand eight hundred forty-nine (69% of) specialists were non-faculty members and 6317 (26% of) specialists were employed on a contract basis. Eleven thousand six hundred and thirty-eight (47.7% of) specialists were engaged in DP on total. Female specialists had 0.78 times less DP chance; faculties compared to non-faculties had 0.65 times more DP chance and full-time geographic specialists compared to non-full-time specialists had 0.15 times more DP chance. DP was more frequent in specialists with higher age and more job experience and in provinces with more population, deprivation, and higher number of specialists per facility (P < 0.05). CONCLUSIONS: The level of DP is relatively high among Iran medical specialists, especially in geographic full-time specialists. However, they are totally banned and they receive extra payment for being full-time; restrictive regulations and financial incentives without considering other factors might not eliminate DP in specialists and it should be addressed based on conditions of each country and regions inside the country.
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 | 0,005 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».