MétaCan
Menu
Retour à la cohorte
Enregistrement W4391542992 · doi:10.2471/blt.23.290028

Health workforce data needed to minimize inequities associated with health-worker migration

2024· article· en· W4391542992 sur OpenAlexaff
Margaret Walton‐Roberts, Ivy Lynn Bourgeault

Notice bibliographique

RevueBulletin of the World Health Organization · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of OttawaWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésWorkforcePublic healthScrutinyPolitical scienceHealth policyStrengths and weaknessesMedicineWelfare economicsEconomic growthNursingEconomicsPsychology

Résumé

récupéré en direct d'OpenAlex

Policy & practiceSince more than a million refugees entered Germany during the Syrian conflict, discussions about their integration in the labour market have included assessments of the challenges faced by health workers.11,12 The number of medical professionals from the Syrian Arab Republic now providing health-care services in Germany has increased to more than 5000, second after German-trained doctors.13 This situation has raised concern that more migrant health workers in high-income countries will further undermine the ability of low-income countries to respond to pandemic demands.14 The COVID-19 pandemic has also intensified the Abstract: A persistent challenge with health-worker migration is the inequities it creates.To minimize these inequities, systems of global governance of health-worker migration have arisen which include various global codes of practice, agreements and reporting requirements.Reporting that is rigorous, open and transparent, and subject to scrutiny from the public, researchers, civil society organizations and other interested stakeholders, is important.One element of these codes and agreements with perhaps the greatest potential to deal with the impact of health-worker migration is more robust planning of the health workforce to address the goal of self-sufficiency.Open platforms for data sharing enable engagement of the public and stakeholders with data on the distribution and national origin of health workers and reveal policy strengths and weaknesses related to health-workforce planning.We explore recent policies directed at reducing the inequities from health-worker migration.While many of the examples used focus on nurses and doctors, the issues discussed are relevant to all cadres of internationally trained health workers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,068
score de la tête « metaresearch » (Gemma)0,203
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,360

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0680,203
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,010
Études des sciences et des technologies0,0030,002
Communication savante0,0080,011
Science ouverte0,0030,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0150,004

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,392
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the World Health OrganizationMême sujetGlobal Health Workforce IssuesTravaux en français237 207