Family physician count and service provision in Ontario and Alberta between 2005/06 and 2017/18: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Five million Canadians lack a family doctor or primary care team. Our goal was to examine trends over time in family physician workforce and service provision in Ontario and Alberta, with a view to informing policy discussions on primary care supply and delivery of services. METHODS: We used cross-sectional analyses in Ontario and Alberta for 2005/06, 2012/13 and 2017/18 to examine family physician provision of service days by provider demographic characteristics and geographic location. A service day was defined as 10 or more clinic visits worth $20 or more on the same calendar day. We included all active family physicians who had evidence of billing in each fiscal year analyzed. RESULTS: From 2005/06 to 2017/18, the number of family physicians increased by 35.3% in Ontario and 48.7% in Alberta; however, annual average service days per physician declined by 10.6% in Ontario and 5.9% in Alberta. The average daily patient volume remained stable in Ontario and declined in Alberta, and services per population kept pace modestly with population growth in both provinces. Rural areas had the smallest increases in physician counts and largest declines in average annual service days per physician. Physicians in both provinces who had graduated from medical school at least 30 years earlier accounted for more than one-third of the workforce in 2017/18. INTERPRETATION: Ontario and Alberta experienced rapid growth in the number of family physicians, with the largest increases among those in late career and the lowest increases in rural areas. The decline in service provision among physicians overall and in subgroups in both provinces highlights the importance of measuring activity to inform workforce planning.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».