Characteristics of medical doctors working in public healthcare institutions in a Southern Nigerian State
Notice bibliographique
Résumé
OBJECTIVE: This study assessed the characteristics of medical doctors working in public healthcare institutions and examined differences in some of the characteristics by geographical (urban versus rural) location. METHODS: A cross-sectional study of doctors working in public healthcare institutions using data obtained from 3 centres in Bayelsa, Nigeria. RESULTS: Three-quarters (75.4%) of the 280 medical doctors were males. Most of the doctors (68.6%) were working at tertiary healthcare level, 16.1% at primary and 15.4% at secondary healthcare levels. In terms of their professional positions, there were more medical officers (34.5%) relative to the other cadres while 17.2% were consultants. When their places of practice were dichotomised into rural and urban settings, 88.2% were practising in urban settings. A higher proportion of the 69 female doctors were practising in urban settings compared to rural settings (26.7% versus9.1% respectively, P=0.027). There was a statistically significant relationship between residency status and place of practice (P=0.001). Specialists (i.e. doctors who have completed residency training) were more likely to practice in urban (19.2%) than in rural settings (3.3%). CONCLUSION: Only a quarter of doctors in this study were females. There seemed to be more doctors at tertiary level of care and in urban areas. These findings suggest that there may be a shortage of female doctors, and that there may be unmet personnel needs at primary and secondary healthcare levels and in rural areas.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».