Effect of dual practice on service delivery time by surgeons in the Islamic Republic of Iran: multi-level analysis of a national survey, 2016
Notice bibliographique
Résumé
BACKGROUND: One of the work patterns which affects the supply of specialists is the phenomenon of dual practice (DP), i.e., working simultaneously in the public and private sectors. Uncontrolled DP in the surgery health workforce can have adverse effects on access to surgeons, efficiency, effectiveness and quality of surgery services. AIMS: The aim of this article is to examine the impact of DP on service delivery time by surgeons. METHODS: We used a prestructured form to collect data on surgery specialists in all 925 Iranian hospitals. National medical ID codes, council ID codes, first name, surname and father's name were used for data matching. Multilevel linear regression was used to assess the association between DP and study variables, which were recruitment type, faculty status, experience, sex and age. RESULTS: The 4642 surgery specialists in this study, representing 31.08% of the total number of surgeons identified, spent mean 1.09 (standard deviation 0.33) hours full-time equivalent (FTE) on health care service delivery. Specialists with DP had long service delivery time (β = 0.427). Female specialists (β = -0.049) and full-time specialists (β = -0.082) spent less time on health care service delivery. Permanent specialists had higher FTE (P < 0.001) and as the population increases, FTE increases (P < 0.05). CONCLUSIONS: Although DP had a direct impact on surgeons' working hours, it seems that a greater share of the difference in working time was used in the private sector services, leading to poor access to surgery services in the public sector. Therefore, it is necessary to develop a systems approach to regulate DP.
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 | 0,032 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».