Brain Drain in Cancer Care: The Shrinking Clinical Oncology Workforce in Nigeria
Notice bibliographique
Résumé
PURPOSE: A recent estimate indicates that Nigeria has about 70 clinical oncologists (COs) providing care for 124,815 patients with cancer and its 213 million total population. This staggering deficit is likely to worsen as about 90% of Nigerian physicians are eager to leave the country for perceived greener pastures in the United States, the United Kingdom, Canada, etc. Previous studies have examined general physician migration abroad; however, the CO workforce in Nigeria has been barely considered in the workforce literature. This study examined the push and pull factors to stay or leave the CO workforce and Nigeria. METHODS: Using a correlational design, 64 COs completed turnover intention (TI), workload, and satisfaction measures. Multiple linear regression was used for the data analysis. RESULTS: < .05) were significantly related to TI. The number of outpatients seen was also positively linked to TI. Hence, the more outpatients a CO sees, the higher the intention to leave. The United States (31%), the United Kingdom (30%), and Canada (10%) were the top countries of destinations for Nigerian COs. CONCLUSION: Higher CO workload is a push factor propelling the intention to leave CO practice and relocate to other countries. Nigeria's new National Cancer Control Plan and the Federal Ministry of Health need to explore innovative approaches to attract and retain the CO workforce, which would lead to improvement in cancer survival and outcomes. Increasing the number of CO programs and positions available, improving work conditions, and introducing work benefits may mitigate the shrinking CO workforce in Nigeria.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».