MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388725455 · doi:10.1370/afm.22.s1.5208

The Impact of COVID-19 on the Training and Practice Choices of Early Career Family Physicians

2023· article· en· W4388725455 sur OpenAlexaboutno aff
Cathy Thorpe, Kamila Premji, Amanda Terry, Judith K. Brown, Maria Mathews, Sharon Bal, Saadia Hameed, Bridget Ryan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingContext (archaeology)Graduation (instrument)WorkforcePandemicFamily medicineMedical educationMedicinePsychologyCoronavirus disease 2019 (COVID-19)Nursing

Résumé

récupéré en direct d'OpenAlex

Context: COVID-19 exacerbated the shortage of family physicians providing comprehensive care in Ontario. For family physicians in their first years of practice, they were faced with either receiving their family medicine training during the pandemic or, equally challenging, beginning their practice during COVID-19. Objective: To explore the impact of COVID-19 on the training and practice of early career family physicians (FPs), and the influence on their decision-making process to practice comprehensive care. Study Design and Analysis: Grounded theory study using in-depth interviews via Zoom, with individual and team analysis. Setting: FP practices in Ontario, Canada. Population Studied: 38 family physicians practicing in Ontario, who completed their residency training within the last 5 years. Results: Family Medicine (FM) residents experienced varying levels of COVID19-related disruptions, including an abrupt change to virtual care and fewer in-person community and clinic opportunities during their training. The impact of COVID-19 on participants included feeling isolated from other residents and staff and having less exposure to in-person procedures (e.g. minor procedures, OB) which made them less confident to perform these skills on graduation. Conversely, some described an increased skillset in acute medicine through redeployment or additional hospital-based rotations. Concurrently, new graduates in the COVID-era experienced challenges in their workforce entry, often during locums where there was reliance on virtual care, less on-site support and adapting to a disrupted system. They were simultaneously exposed to focussed FM opportunities that were part of a larger call to action such as vaccine clinics and assessment centres which they noted to be relatively highly remunerated, lower stress, and often a positive environment in terms of appreciative patients and socialization with colleagues. Conclusions: Findings reveal the impact of COVID-19 on the training and early career experiences of new graduates at a critical juncture in professional identity formation. Disruptions in the health system presented challenges to comprehensive FM care and offered attractive focussed practice choices. The findings have implications for educators and health workforce planning as the impact of COVID-19 on early career physicians needs further exploration and remedy to ensure comprehensive FM remains a viable choice going forward.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,921

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,005
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,239
Tête enseignante GPT0,471
Écart entre enseignants0,232 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 and healthcare impacts→Travaux en français237 207→