MétaCan
Menu
Retour à la cohorte
Enregistrement W4400786986 · doi:10.1186/s12912-024-02180-9

Migration intentions among nursing students in a low-middle-income country

2024· article· en· W4400786986 sur OpenAlexaboutno aff
Cletus Laari, Janet Sapak, Daniel Wumbei, Issah Salifu

Notice bibliographique

RevueBMC Nursing · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNursing researchGlobeDeveloping countryLow and middle income countriesPopulationCross-sectional studyNursingSample (material)Descriptive statisticsEnvironmental healthEconomic growth

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Migration among skilled labour has been noted as one of the major issues in recent times, especially among health workers. Data from the United Nations show that almost two thirds of people migrating are labor migrants and international migrants constitute 3.5% of the global migration population. Out of the millions of people who migrate across the globe, health workers, especially nurses form a greater portion of these numbers. This study explored nursing students' intention to migrate to other countries after completing their programs. METHOD: A descriptive cross-sectional design approach was adopted using self-administered questionnaire that contain aspects of open-ended questions. A sample size of 226 nursing students were recruited using convenient sampling technique. RESULTS: The results overall, revealed that 226 nursing students participated in the study. Out of this, most of the respondents 42.5% were aged between 25 and 30 years with majority 53.1% being males. Also, 35% of the participants were married with more than half 59.7% of the respondents being Christians. The results further revealed that most of the participants 64.2% had intention of migrating to other countries. Among those who intended to migrate, 11.7% identified lack of jobs, 39.3% identified low salaries in Ghana while 50.3% identified bad working conditions. The rest 2.8% attributed their intentions to migrate to educational opportunities. Common places of destination included Canada, USA, UK and Australia. CONCLUSION: The outcome of this study points to the urgent need for low-income countries such as Ghana to urgently put in measures to curb the menace of brain drain among nurses. Improvement in working condition of nurses must be prioritized to motivate their stay.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,461
Écart entre enseignants0,409 · 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'étudeObservationnel
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 revueBMC NursingMême sujetGlobal Health Workforce IssuesTravaux en français237 207