Global Rate of Willingness to Volunteer Among Medical and Health Students During Pandemic: Systemic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: During health crises such as the COVID-19 pandemic, shortages of health care workers often occur. Recruiting students as volunteers could be an option, but it is uncertain whether the idea is well-accepted. OBJECTIVE: This study aims to estimate the global rate of willingness to volunteer among medical and health students in response to the COVID-19 pandemic. METHODS: A systematic search was conducted on PubMed, Embase, Scopus, and Google Scholar for studies reporting the number of health students willing to volunteer during COVID-19 from 2019 to November 17, 2023. The meta-analysis was performed using a restricted maximum-likelihood model with logit transformation. RESULTS: A total of 21 studies involving 26,056 health students were included in the meta-analysis. The pooled estimate of the willingness-to-volunteer rate among health students across multiple countries was 66.13%, with an I2 of 98.99% and P value of heterogeneity (P-Het)<.001. Removing a study with the highest influence led to the rate being 64.34%. Our stratified analyses indicated that those with older age, being first-year students, and being female were more willing to volunteer (P<.001). From highest to lowest, the rates were 77.38%, 77.03%, 65.48%, 64.11%, 62.71%, and 55.23% in Africa, Western Europe, East and Southeast Asia, Middle East, and Eastern Europe, respectively. Because of the high heterogeneity, the evidence from this study has moderate strength. CONCLUSIONS: The majority of students are willing to volunteer during COVID-19, suggesting that volunteer recruitment is well-accepted.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 ».