MétaCan
Menu
Retour à la cohorte
Enregistrement W2901223116 · doi:10.1186/s12909-018-1360-6

Practice intentions at entry to and exit from medical schools aspiring to social accountability: findings from the Training for Health Equity Network Graduate Outcome Study

2018· article· en· W2901223116 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Medical Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensLaurentian University
Organismes subventionnairesOntario Ministry of Health and Long-Term CareArcadia Fund
Mots-clésMedical educationDisadvantagedGraduation (instrument)WorkforceEquity (law)AccountabilityMedicineOddsSocial determinants of healthPopulationMandateHealth equityPsychologyPublic healthLogistic regressionNursingPolitical scienceEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Understanding the impact of selection and medical education on practice intentions and eventual practice is an essential component of training a fit-for-purpose health workforce distributed according to population need. Existing evidence comes largely from high-income settings and neglects contextual factors. This paper describes the practice intentions of entry and exit cohorts of medical students across low and high income settings and the correlation of student characteristics with these intentions. METHODS: The Training for Health Equity Network (THEnet) Graduate Outcome Study (GOS) is an international prospective cohort study tracking learners throughout training and ten years into practice as part of the longitudinal impact assessment described in THEnet's Evaluation Framework. THEnet is an international community of practice of twelve medical schools with a social accountability mandate. Data presented here include cross-sectional entry and exit data obtained from different cohorts of medical students involving eight medical schools in six countries and five continents. Binary logistic regression was used to create adjusted odds ratios for associations with practice intent. RESULTS: Findings from 3346 learners from eight THEnet medical schools in 6 countries collected between 2012 and 2016 are presented. A high proportion of study respondents at these schools come from rural and disadvantaged backgrounds and these respondents are more likely than others to express an intention to work in underserved locations after graduation at both entry and exit from medical school. After adjusting for confounding factors, rural and low income background and regional location of medical school were the most important predictors of intent to practice in a rural location. For schools in the Philippines and Africa, intention to emigrate was more likely for respondents from high income and urban backgrounds. CONCLUSIONS: These findings, from a diverse range of schools with social accountability mandates in different settings, provide preliminary evidence for the selection and training of a medical workforce motivated to meet the needs of underserved populations. These respondents are being followed longitudinally to determine the degree to which these intentions translate into actual practice.

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.

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)0,010
score de la tête « metaresearch » (Gemma)0,055
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,303
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,055
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,336
Tête enseignante GPT0,604
Écart entre enseignants0,268 · 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