MétaCan
Menu
Retour à la cohorte
Enregistrement W3038479736 · doi:10.4103/njcp.njcp_705_19

Emigration plans after graduation of clinical medical students of ebonyi state university Abakaliki, Nigeria: Implications for policy

2020· article· en· W3038479736 sur OpenAlexaboutno aff
Edmund Ndudi Ossai, AF Una, R C Onyenakazi, E U Nwonwu

Notice bibliographique

RevueNigerian Journal of Clinical Practice · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGraduation (instrument)ResidenceRemunerationEmigrationSpecialtyCross-sectional studyRural areaFamily medicineDemographyGeographyFinance

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine the emigration plans after graduation of clinical medical students of Ebonyi State University Abakaliki, Nigeria. METHODS: A descriptive cross-sectional study design was used. All clinical medical students of the University willing to participate were included. Information was obtained using a pre-tested self-administered questionnaire. Outcome measure included proportion of students willing to emigrate and those willing to practice in rural areas after graduation. RESULTS: A total of 285 students participated in the study, (response rate, 92.5%). Majority, 93.3% intend to pursue specialist training after graduation. Minor proportion, 13.9% intend to specialize in Nigeria, whereas 74.4% prefer to specialize outside Nigeria. Major reasons for preferring specialist training abroad included good equipment/facilities, 33.8%, better remuneration/quality of life, 27.8%; and improved skills, 18.7%. Countries of interest for training outside Nigeria included Canada, 28.3%; United Kingdom, 23.2%; and the United States of America, 18.2%. Minor proportion, 17.2% intend to practice in rural area after graduation. Predictors of willingness to emigrate included being in 400 level class, (adjusted odds ratio (AOR) =2.0, 95% CI = 1.1-4.1), being single, AOR = 4.0, 95% CI = 1.2-13.3) and having decided on specialty of choice, (AOR = 2.6, 95% CI = 1.5-4.5). Predictors of willingness to serve in rural area included family residence in urban area, (AOR = 0.2, 95% CI = 0.2-0.8) and intention to specialize in Nigeria, (AOR = 3.7, 95% CI = 1.6-8.5). CONCLUSIONS: Majority of students intend to pursue specialist training and prefer training abroad. Minor proportions were willing to specialize in Nigeria and serve in rural areas. The students may have perceived medical practice in Nigeria as serving in rural areas hence students willing to work in rural areas were more likely to specialize in Nigeria. This may adversely affect health service delivery in Nigeria if left unchecked. Nigerian authorities should ensure that medical graduates willing to practice in Nigeria are not deterred. Also, plans to encourage doctors to practice in Nigeria should receive desired attention.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,169
Tête enseignante GPT0,589
Écart entre enseignants0,420 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNigerian Journal of Clinical PracticeMême sujetGlobal Health Workforce IssuesTravaux en français237 207