Re-thinking Integration of Foreign Immigrant Medical Doctors in Postgraduate Medical Education
Notice bibliographique
Résumé
This presentation is based on a research study of CaRMS-eligible “immigrant” medical doctors (known as IMGs) from racialized background, and their experiences with securing a medical license in Canada. As an Administrative Assistant in postgraduate residency education for 20 years (1988-2008), involved in CaRMS recruitment, interviewing, rotation scheduling, evaluation, and accreditation, I saw the challenges from both the IMGs and the medical residency perspectives. One question that lingered almost after each CaRMS match was, “what would these highly qualified IMGs do if they cannot practice medicine? I also thought about the conversations I had with my parents, their elderly friends, other immigrants in my community who expressed fear of going to the doctor because their English was poor and doctors did not seem to understand their creole description and hand gestures of their pain, symptoms and illnesses. Sustaining health and equitable access to healthcare is a global threat that leaders and politicians in every continent struggle with. As thousands of new immigrant doctors arrive in Canada each year, draining their country of precious human resources, nearly six million people in Canada do not have a family doctor. As Canada plans to welcome 500,000 immigrants per year by 2025, each of whom will require a doctor in a dire doctor-shortage situation, thousands of IMGs struggle to survive and hold on to their life-long passion and career. The famous Martin Luther King said, “of all the forms of inequality, injustice in health is the most shocking and the most inhuman.” This qualitative research study with 15 immigrant doctors from 13 different non-English speaking countries and between the ages of 35-55+, asked the following questions: What motivates you to immigrate to Canada? How does denial of medical recertification impact your professional, personal and social life? What recommendations do you have for the medical profession? Using a purposeful and snowball sampling, face-to-face 1:1 interview with open-ended questions and grounded theory framework, the results show that professional career and caring for the sick were foremost for IMGs. This presentation will discuss alternative options to transform the waste of IMGs’ human capital into supporting equitable care to the vastly diverse and multi-ethnic patient population in Canada.
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 | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».