Determinants of willingness to practice medicine in underdeveloped areas
Notice bibliographique
Résumé
Purpose Appropriate access to formally-trained health workers for people living in rural and underdeveloped areas is a continuing challenge worldwide. The purpose of this paper is to investigate the willingness of formally-trained health workers to practice in underdeveloped areas and its main determinants among medical students in the western provinces of Iran. Design/methodology/approach A total of 753 medical students from four provinces in western Iran (Kermanshah, Ilam, Lorestan and Kurdistan) were surveyed cross-sectionally in 2017. A self-administrated questionnaire was used to collect data on sociodemographic characteristics, willingness to practice in underdeveloped areas, intrinsic (e.g. desire to help others and self-interest in medicine) and extrinsic (e.g. the high income of physicians and social prestige) motivations of the study population. Multivariable logistic regression was used to identify the main determinants of willingness to practice in underdeveloped areas among medical students after their graduation. Findings The results indicated that 58.3 percent of students were willing to practice in underdeveloped areas. While 59 percent of the study population had a strong extrinsic motivation to study medicine, the remaining 41 percent of the study population had a strong intrinsic motivation to study medicine. The logistic regression results indicated that low parental professional and educational status, an experience of living in rural areas and having strong intrinsic motivation were associated with greater willingness to practice in underdeveloped areas. Originality/value This is the first study to investigate the willingness to practice in underdeveloped areas and its main determinants among medical students in the west of Iran.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».