MétaCan
Menu
Retour à la cohorte
Enregistrement W4229567312 · doi:10.21203/rs.3.rs-43663/v1

Factors Influencing Physicians' Departure from General Practitioners Field in Developing Countries: A Case Study in Iran

2020· preprint· en· W4229567312 sur OpenAlexaff
Azad Shokri, Elmira Mirbahaeddin, Ali Akbari-Sari, Iraj Harirchi, Fereshteh Farzianpour, Abbas Rahimi Foroushani, Somaieh Shokri, Sima Mirzaei Moghadam, Mahboubeh Bayat

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesMinistry of Health and Medical Education
Mots-clésField (mathematics)Developing countryPolitical sciencePsychologyEconomic growthEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Migration, intersectoral flows, early retirement, illness and premature death of General Practitioners (GPs), maintaining adequate and effective workforce has become a major challenge in many countries. The present study aimed to investigate the factors affecting the departure of physicians from the GPs field in developing countries.Methods: We used qualitative research and performed as a conventional content analysis through in-depth interview. Sampling method was purposeful sampling which was performed with variation in individuals include policy makers and different situation in GPs (including immigration, unemployment, specialty student, employment in other non-medical jobs, etc.). Lincoln and Guba evaluation method were used to determine the validity and reliability of the study. The conceptual model was used to illustrate the situation and deeper understanding of the problemResults: The results of the interviews showed, eight themes, 22 sub-themes were identified as factors influencing tendency GPs to other states. Major themes included income, referral system, specialization, human resource policy-making, education related issues, working environment conditions, quality of life and community attitude. The causal relationships were shown inside and outside each theme in the conceptual model.Conclusion: According to the results, there are various factors that lead people out of the field of GP and their tendency to different states, while lack of awareness of policy makers and officials can make decisions for years to come. A wide range of interventions is recommended to reduce these stimuli include pre-selection reforms such as "information about physicians' working conditions", during academic training such as "changing hospital education to clinic education and rural community experience" and after entering areas of the medical profession such as "defining the career path for physicians 'distribution and physicians' career development" and long-term reforms include fundamental reforms to promote family medicine referral and change community attitudes.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,246
Tête enseignante GPT0,551
Écart entre enseignants0,305 · 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'étudeQualitatif
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetGlobal Health Workforce IssuesTravaux en français237 207