Financial incentives for return of service in underserved areas: a systematic review
Notice bibliographique
Résumé
Of the 42 reviewed studies 33 investigated financial-incentive programs in the US. The remaining studies evaluated programs in Japan (five studies), Canada (two), New Zealand (one) and South Africa (one). The programs started between 1930 and 1998. We identified five different types of programs (service-requiring scholarships, educational loans with service requirements, service-option educational loans, loan repayment programs, and direct financial incentives). Financial incentives ranged from year-2000 United States dollars 1, 358 to 28, 470. All reviewed studies were observational. The random-effects estimate of the pooled proportion of all eligible program participants who had either fulfilled their obligation or were fulfilling it at the time of the study was 71% (95% confidence interval 60-80%). Seven studies compared retention in the same underserved area between program participants and non-participants. Six studies found that participants were less likely to remain in the same underserved area (five studies reported the difference to be statistically significant, while one study did not report a significance level); one study did not find a significant difference in retention in the same area. Twelve studies compared provision of care/retention in any underserved area between participants and non-participants. Ten studies found that participants were more likely to continue to practice in any underserved area (eight studies reported the difference to be statistically significant, while two studies did not provide the results of significance tests); two studies found that program participants were significantly less likely than non-participants to remain in any underserved area. Seven studies investigated the satisfaction of participants with aspects of their enrolment in financial-incentive programs; three studies examined the satisfaction of members of participants’ families with their lives in the undeserved area.
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 | 0,012 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».