Determinants of Residency Program Choice in Two Central African Countries: An Internet Survey of Senior Medical Students
Notice bibliographique
Résumé
Background: Central African countries have an increasing burden of disease, low specialist workforce densities, and under-resourced postgraduate medical education. The residency program choice of today’s medical students will determine specialist workforce density in the near future. This study aims to elucidate the factors that influence the choice of residency programs among medical students of two Central African countries. Methods: We designed an online questionnaire in French and English with closed-ended, open-ended, and Likert scale questions. Links to both forms were shared via the international messaging application, WhatsApp, and data were collected anonymously for one month. Respondents were sixth- and seventh-year medical students enrolled in nine Cameroonian and Congolese schools. The threshold of significance was set at 0.05 for bivariate analysis. Results: There were 149 respondents in our study, 51.7% were female, and 79.2% were from Cameroon. Almost every student (98%) expressed the wish to specialize, and a majority (77.2%) reported an interest in a residency program abroad. Preferred destinations were France (13.7%), Canada (13.2%), and the U.S.A. (11.9%). The most popular specialties were cardiology (9.4%), pediatrics (9.4%) and obstetrics and gynecology (8.7%). The choice of specialty was made based on the respondent’s perceived skills (85.9%), anticipated pay after residency (79.2%), and patient contact (79.2%). Conclusion: Understanding which specialties interest Cameroonian and Congolese medical students and the reasons for these choices can help develop better local programs.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,009 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».