PUSK AND PULL FACTORS OF EMIGRATION AMONG PHYSICIAN IN NIGERIA.
Notice bibliographique
Résumé
Background: Physician emigration is increasing exponentially in developing countries. In Nigeria, with the last decade's unprecedented brain drain, it has gained the popular moniker 'japa syndrome'. Aim: This study aimed to determine push and pull factors affecting physician migration in Nigeria, to provide evidence-backed recommendations for physician retention policies. Materials/Methods: A cross-sectional study was conducted among attendees at the 2022 Abuja Cardiovascular Symposium hosted by Limi Multispecialty Hospital and the Nigerian Cardiac Society. Convenience and snowball sampling were used, and 295/400 responded to comprehensive self-administered questionnaires (73.7% response rate). Data was analysed using SPSS v.26. Results: Most participants (79.4%) were aged 20-39 years (Mean 35 years SD ±10.17); female (58.6%); married (58.4%) and had family size below six (73.6%). About 85.8% were employed, and 55.9% worked in private establishments. Solely basic medical degrees were possessed by 64.4%, and 63.7% earned N300,000-N399,999 (USD 396.82-USD 527.78) monthly. Top destinations were UK (50.5%), Canada (43.3%), and USA (37.9%), with low remuneration (71.2%), insecurity (62.7%), and difficult working environments (55.9%) most frequent push factors. 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 frequent pull factors. Conclusion: Physician emigration threatens Nigeria's health system and should be addressed multi-sectorally to boost physician remuneration and improve work environments and societal security. Additionally, innovative education and digital technology would encourage health workforce 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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».