A systematic review of reviews: Recruitment and retention of rural family physicians
Notice bibliographique
Résumé
INTRODUCTION: The recruitment and retention of family physicians in rural and remote communities has been the topic of many reviews; however, a lack of consensus among them with regard to which factors are most influential makes it difficult for setting priorities. We performed a systematic review of reviews which helped to establish an overall conclusion and provided a set of fundamental influential factors, regardless of the consistency or generalisability of the findings across reviews. This review also identified the knowledge gaps and areas of priority for future research. METHODS: A literature search was conducted to find the review articles discussing the factors of recruitment or retention of rural family physicians. Results were screened by two independent reviewers. The number of times that each factor was mentioned in the literature was counted and ordered in terms of frequency. RESULTS: The literature search identified 84 systematic reviews. Fourteen met the inclusion criteria, from which 158 specific factors were identified and summarised into 11 categories: personal, health, family, training, practice, work, professional, pay, community, regional and system/legislation. The three categories referenced most often were training, personal and practice. The specific individual factors mentioned most often in the literature were 'medical school characteristics', 'longitudinal rural training' and 'raised in a small town'. CONCLUSION: The three most often cited categories resemble three distinct phases of a family physician's life: pre-medical school, medical school and post-medical school. To increase the number of physicians who choose to work in rural practice, strategies must encompass and promote continuity across all three of these phases. The results of this systematic review will allow for the identification of areas of priority that require further attention to develop appropriate strategies to improve the number of family physicians working in rural and remote locations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,014 | 0,009 |
| Bibliométrie | 0,017 | 0,023 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».