Push and Pull Factors of Emigration among Physicians in Nigeria
Notice bibliographique
Résumé
Physician emigration is escalating in developing countries. In Nigeria, this massive brain drain has gained the popular moniker ‘Japa syndrome’. This survey used a cross-sectional design to determined the factors causing physicians’ brain-drain from Nigeria. A convenience and snowball sampling were used, and 295/400 attendees of a cardiovascular symposium responded to comprehensive self-administered questionnaires (73.7% response rate). Most participants (79.4%) were aged 20-39 years (Mean 35 years SD ±10.17); female (58.6%); married (58.4%) and a family size below six (73.6%). About 85.8% were employed, and 55.9% worked in private establishments. The top three attractive destinations were UK (50.5%), Canada (43.3%), and USA (37.9%). The most frequent push factors found were low remuneration (71.2%), insecurity (62.7%), and difficult working environments (55.9%). Postgraduate-training frustrations (38.6%), and limited educational opportunities for oneself (37.6%), children (26.4%), or spouse (19.7%) were the least. High earning potential (76.6%), career growth opportunities (70.8%), and high-level equipment/technology (54.9%) were the most frequent pull factors. This practice threatens Nigeria's health system and should be addressed multi-sectorally. To reverse this ugly trend, we have to boost physicians’ remuneration, improve work environments and security. Providing innovative education and digital technology would also promote physicians’ retention.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».