MétaCan
Menu
Retour à la cohorte
Enregistrement W2956834976 · doi:10.1186/s12960-019-0393-1

Medical diaspora: an underused entity in low- and middle-income countries’ health system development

2019· article· en· W2956834976 sur OpenAlexaboutno aff
Seble Frehywot, Chulwoo Park, Alexandra C Infanzon

Notice bibliographique

RevueHuman Resources for Health · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial policyHealth services researchHealth administrationLow and middle income countriesHealth informaticsDiasporaPublic healthHealth economicsHealth policyEconomic growthBusinessMedicineDeveloping countryPolitical scienceNursingEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: At present, over 215 million people live outside their countries of birth, many of which are referred to as diaspora-those that live in host countries but maintain strong sentimental and material links with their countries of origin, their homelands. The critical shortage of Human Resources for Health (HRH) in many developing countries remains a barrier to attaining their health system goals. Usage of medical diaspora can be one way to meet this need. A growing number of policy-makers have come to acknowledge that medical diaspora can play a vital role in the development of their homeland's health workforce capacity. To date, no inventory of low- and middle-income countries (LMIC) medical diaspora organizations has been done. This paper intends to develop an inventory that is as complete as possible, of the names of the LMIC medical diaspora organizations in the United States of America, the United Kingdom, Canada, and Australia and addresses their interests and roles in building the health system of their country of origin. METHODS: The researchers utilized six steps for their research methodology: (1) development of rationale for choosing the four destination countries (the United States of America, the United Kingdom, Canada, and Australia); (2) identification of low- and middle-income countries (LMIC); (3) web search for the name of LMIC medical diaspora organization in the United States of America, the United Kingdom, Canada, and Australia through the search engines of PubMed, Scopus, Google, Google Scholar, and LexisNexis; (4) development of inclusion and exclusion criteria and creation of a medical diaspora organizations' inventory list (Table 1) and corresponding maps (Figures 1, 2, and 3). Using decision criteria, reviewers narrowed the number to a final 89 organizations; (5) synthesis of information to collect the general as well as the unique roles the medical diaspora organizations play in building health systems; and (6) developing inventory of respective LMIC governments' diaspora offices (Table 2) to identify units/departments that facilitate diaspora's work. RESULT: In total, the authors found 89 medical diaspora organizations in 4 main countries: in the United States of America 60, in the United Kingdom 24, in Australia 3, and in Canada 2. These medical diaspora organizations tend to have three focuses: providing healthcare services, training, and when needed humanitarian aid to their home country; creating a social or professional network of migrant physicians (i.e., simply to bring together people with an ethnic and professional commonality) and; supplying improved and culturally sensitive healthcare to the migrant population within the host country. Sixty-eight LMIC countries have established a diaspora office within their government office. It is also equally important to note that many policy-makers may lack knowledge of models for medical diaspora engagement or of valuable lessons learned by other governments about working with diaspora. CONCLUSIONS: The medical diaspora remains an underutilized resource in both health systems policy formulation and program implementation.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,005
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,049
Tête enseignante GPT0,412
Écart entre enseignants0,363 · 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'étudeThéorique ou conceptuel
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

Citations24
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Resources for HealthMême sujetGlobal Health Workforce IssuesTravaux en français237 207