MétaCan
Menu
Retour à la cohorte
Enregistrement W2965190461 · doi:10.3390/pharmacy7030109

Financial Incentive Required for Pharmacy Students to Accept a Post-Graduation Position in Rural and Undesirable Pharmacy Settings

2019· article· en· W2965190461 sur OpenAlexaboutno aff
E Ulrich, Jonathan Hurdelbrink, Jason Perepelkin, Kelli Jo Welter

Notice bibliographique

RevuePharmacy · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPharmacyGraduation (instrument)SalaryIncentiveMedical educationPosition (finance)PsychologyWork experienceFamily medicineMedicineWork (physics)BusinessPolitical scienceFinanceEconomics

Résumé

récupéré en direct d'OpenAlex

Background: It has been estimated that in 2018, 20% of pharmacy students were unemployed following graduation. However, many pharmacy positions go vacant each year, with the majority of these positions existing in rural areas. Methods: Pharmacy students completed a one-time, anonymous, online questionnaire. Measures of interest included: subject characteristics and preference in a variety job offers. Discrete Choice Experiment methodology of questionnaire design was used and Conditional Logit models were conducted to analyze the data to determine the financial incentive required for pharmacy students to take a post-graduate job with particular traits. Conclusions: A total of 283 students completed questionnaires from Iowa, North Dakota, South Dakota, Saskatchewan, and Manitoba. The majority of subjects were female, P3 students, and from a non-rural hometown. American students would need to be paid an additional $18,738 in salary to practice in a rural area, while Canadian students would require an additional $17,156. Canadian respondents would require an additional $7125 in salary to work in a community pharmacy with a low level of patient interaction compared to a community position with a large amount of patient interaction. Overall, pharmacy student preferences in post-graduation job attributes vary significantly between states and provinces.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,061
Tête enseignante GPT0,488
Écart entre enseignants0,428 · 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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmacyMême sujetGlobal Health Workforce IssuesTravaux en français237 207