Examining the status of rural post-graduate family medicine education
Notice bibliographique
Résumé
Introduction: Rural populations in Canada are generally in worse health when compared to their urban counterparts. In 2014, the College of Family Physicians of Canada and the Society of Rural Physicians of Canada formed a joint Task force to advocate for improved health in rural communities. As a task force, they developed the Rural Road Map for Action. This paper uses the Rural Road Map for Action as a framework to examine the current state of family medicine's Post-Graduate Medical Education (PGME) in Canada. Methods: Surveys were sent to the programme directors of all English- and French-speaking post-graduate family medicine programmes. Both quantitative and qualitative methods were used to analyse survey responses. Results: Thirteen of 17 respondents completed the questionnaire. Despite on-going efforts, our results suggest that few programmes have equity and diversity admission's policies for rural and Indigenous students; a gap exists between the number of residents who are educated in rural areas and those who end up practising in rural areas; residents lack skills in Indigenous health; and more funded professional development opportunities are needed for rural physicians. Conclusion: Rural healthcare concerns are typically under-represented in PGME. The Rural Road Map for Action brings focus to the specific healthcare needs of rural areas, highlighting a recruitment and retention strategy that aligns education, practice, policy and research activities. Medical schools and national physician organisations need to continue to advocate for the health of rural communities through increasing the rural physician workforce and providing appropriate training for rural practice.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».