MétaCan
Menu
Retour à la cohorte
Enregistrement W4223502667 · doi:10.1186/s12960-022-00726-z

Medical education interventions influencing physician distribution into underserved communities: a scoping review

2022· review· en· W4223502667 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHuman Resources for Health · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensHamilton Health SciencesMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionWorkforceIncentiveHealth services researchMedicineRural areaHealth careMedical educationFamily medicineNursingPublic healthPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVE: Physician maldistribution is a global problem that hinders patients' abilities to access healthcare services. Medical education presents an opportunity to influence physicians towards meeting the healthcare needs of underserved communities when establishing their practice. Understanding the impact of educational interventions designed to offset physician maldistribution is crucial to informing health human resource strategies aimed at ensuring that the disposition of the physician workforce best serves the diverse needs of all patients and communities. METHODS: A scoping review was conducted using a six-stage framework to help map current evidence on educational interventions designed to influence physicians' decisions or intention to establish practice in underserved areas. A search strategy was developed and used to conduct database searches. Data were synthesized according to the types of interventions and the location in the medical education professional development trajectory, that influence physician intention or decision for rural and underserved practice locations. RESULTS: There were 130 articles included in the review, categorized according to four categories: preferential admissions criteria, undergraduate training in underserved areas, postgraduate training in underserved areas, and financial incentives. A fifth category was constructed to reflect initiatives comprised of various combinations of these four interventions. Most studies demonstrated a positive impact on practice location, suggesting that selecting students from underserved or rural areas, requiring them to attend rural campuses, and/or participate in rural clerkships or rotations are influential in distributing physicians in underserved or rural locations. However, these studies may be confounded by various factors including rural origin, pre-existing interest in rural practice, and lifestyle. Articles also had various limitations including self-selection bias, and a lack of standard definition for underservedness. CONCLUSIONS: Various educational interventions can influence physician practice location: preferential admissions criteria, rural experiences during undergraduate and postgraduate medical training, and financial incentives. Educators and policymakers should consider the social identity, preferences, and motivations of aspiring physicians as they have considerable impact on the effectiveness of education initiatives designed to influence physician distribution in underserved 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,477
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0080,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,265
Tête enseignante GPT0,582
Écart entre enseignants0,318 · 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