MétaCan
Menu
Retour à la cohorte
Enregistrement W2953707357 · doi:10.4103/jnsm.jnsm_32_18

The impact of the “Brain Drain” involving Saudi physicians: A cross-sectional study

2018· article· en· W2953707357 sur OpenAlexaboutno aff
Amjad Alharbi, Saleh Alqaryan, Turki Aldress, Majed Alharbi, Sami Alharethy

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic shortageCross-sectional studyMedicinePreferenceFamily medicinePsychologyDemography

Résumé

récupéré en direct d'OpenAlex

Objectives: This study aimed to elucidate the brain drain phenomenon involving Saudi medical students by assessing their characteristics and intentions and related factors. Materials and Methods: A cross-sectional survey-based study conducted at Qassim University, Saudi Arabia. The subjects included 150 prefinal or final year medical students, who completed a modified version of a questionnaire developed by Akl et al. Results: Ninety-six students intended to study abroad with 48 and 33 planning to study in Canada and the USA, respectively. Country preference differed according to class ranking, and 69% and 33.3% of students in the top and bottom thirds of the class intended to study in Canada (P = 0.047). Male students were more likely to express the intention to study abroad. However, women were significantly more likely to remain abroad relative to males (P < 0.001). The only factor associated with intention to study abroad was the year of study and those in the final year were 60% less likely to express an intention to study abroad relative to those in prefinal years (P = 0.012). Conclusion: Most of our individuals intended to study abroad. It was varied according to gender differences. The primarily destination is Canada. This could present a challenge in meeting the high demand for staff in the health-care service in Saudi Arabia and exacerbate the current shortage of physicians in future.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,327
Tête enseignante GPT0,669
Écart entre enseignants0,343 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetGlobal Health Workforce IssuesTravaux en français237 207