Admissions experiences of aspiring physicians from low‐income backgrounds
Notice bibliographique
Résumé
INTRODUCTION: Students from low-income backgrounds (LIB) have been under-represented in Canadian medical schools for over fifty years. Despite our awareness of this problem, little is known about the experiences of aspiring physicians from LIB in Canada who are working towards medical school admission. Consequently, we have little insight into the barriers and facilitators that may be used to increase the representation of students from LIB in Canadian medical schools. METHODS: This paper describes a qualitative description interview study aimed at understanding the experiences of aspiring physicians from LIB as they attempt to gain entry to medical school. We conducted semi-structured interviews with 21 participants at different stages of their undergraduate, master's, and non-medical professional education, and used the theories of intersectionality and identity capital as a theoretical framework for identifying barriers and facilitators to a career in medicine. RESULTS: Participants experienced social, identity-related, economic, structural and informational barriers to a career in medicine. Intrinsic facilitators included motivation, self-confidence, attitude, strategy, information-seeking and sorting, and financial literacy and increasing income. Extrinsic facilitators were social, informational, financial and institutional in nature. CONCLUSION: This study fills existing knowledge gaps in the literature by identifying the pre-admissions barriers and facilitators encountered by aspiring physicians from LIB in Canada. The barriers and facilitators outlined in this study offer a framework for identifying target areas in developing support for admitting medical students from LIB. Given that medical students from LIB are more likely to serve underserved populations, our study is relevant to Canadian medical schools' social accountability commitment to producing physicians that meet the health needs of marginalised and vulnerable patients.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,004 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».