Factors influencing medical specialists’ dual practice in the Islamic Republic of Iran
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.
Notice bibliographique
Résumé
BACKGROUND: Dual practice (DP) is performing several different jobs at the same time and has effects on healthcare services delivery. AIMS: To identify the causes of medical specialists' tendency towards DP in the Islamic Republic of Iran. METHODS: We used a qualitative approach to identify the factors affecting DP in medical specialists in 2016. We used a purposive and outlier sampling method to conduct semistructured deep interviews with 14 key informants. The data analysis was performed simultaneously with data collection using thematic content analysis by MAXQDA (version 10.0). Interviews continued up to data saturation. The quality of the study was ensured by addressing the criteria of Guba and Lincoln. RESULTS: The results of the interviews showed six themes and 16 subthemes for specialists' propensity to DP. Major themes included financial incentives, cultural attitudes about professional identity of physicians, experience and academic level of specialists, controlling approaches in the public sector, available infrastructure for responding to the population needs in the public sector, and regional characteristics of health service locations. CONCLUSIONS: Medical specialists' DP is a multidimensional issue, influenced by different factors such as financial incentives, cultural attitudes and available infrastructure. Considering the capacities and conditions of each country, control and management of this phenomenon require regulatory and incentive mechanisms, which in the long term can modify private and public sector differences and increase the willingness of doctors to work in the public sector.
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 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 | 0,015 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle