Impacts of COVID-19 on Physician Labour Market Activities
Notice bibliographique
Résumé
Le fait de comprendre les changements à la main-d’œuvre en médecine pendant la pandémie de COVID-19 éclaire la planification des effectifs médicaux. À l'aide de données représentatives canadiennes, les auteurs ont observé une réduction des heures de travail pendant la première vague. Toutefois, les heures n’étaient pas différentes des normes prépandémiques lors des vagues subséquentes. Les réductions étaient concentrées chez les médecins de famille communautaires et les spécialistes, tandis qu'en moyenne, les médecins hospitaliers ont maintenu leurs heures prépandémiques. Notamment, les hommes et les femmes ont présenté des diminutions indifférenciables sur le plan statistique, mais légèrement plus marquées chez les hommes. Sauf chez les parents monoparentaux ayant des enfants, dont les heures n'ont pas diminué, les réductions observées étaient très semblables, compte tenu de la situation conjugale et chez les femmes et les hommes ayant ou non des enfants, même si ceux-ci étaient très jeunes. La situation d'immigration n'avait pas d'incidence sur la diminution des heures. Les médecins de plus de 60 ans ont réduit leurs heures davantage que les plus jeunes. Sous réserve de certaines variations, des tendances semblables ont été observées à l’égard des absences. Aucune donnée probante n'a soutenu la susceptibilité des médecins à arrêter d'exercer pendant la pandémie.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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 ».