MétaCan
Menu
Retour à la cohorte
Enregistrement W4401543372 · doi:10.1186/s12960-024-00941-w

Challenges affecting migrant healthcare workers while adjusting to new healthcare environments: a scoping review

2024· review· en· W4401543372 sur OpenAlexaboutno aff
Asem Al-Btoush, Charbel El Bcheraoui

Notice bibliographique

RevueHuman Resources for Health · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesRobert Koch Institut
Mots-clésHealth careHealth administrationHealth services researchSocial policyHealthcare policyHealth informaticsPublic healthHealth policyNursingMedicineBusinessHealth care reformPolitical scienceEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Shifting demographics, an aging population, and increased healthcare needs contribute to the global healthcare worker shortage. Migrant Health Care Workers (MHCWs) are crucial contributors to reducing this shortage by moving from low-and middle-income countries (LMICs) to high-income countries (HICs) for better opportunities. Economic factors and health workforce demand drive their migration, but they also face challenges adapting to a new country and new working environments. To effectively address these challenges, it is crucial to establish evidence-based policies. Failure to do so may result in the departure of Migrant Healthcare Workers (MHCWs) from host countries, thereby worsening the shortage of healthcare workers. AIM: To review and synthesize the barriers experienced by MHCWs as they adjust to a new country and their new foreign working environments. METHODOLOGY: We followed the PRISMA guidelines and conducted a search in the PubMed and Embase databases. We included cross-sectional studies published after the year 2000, addressing MHCWs from LMIC countries migrating to high-income countries, and published in English. We established a data extraction tool and used the Appraisal tool for Cross-Sectional Studies (AXIS) to assess article quality based on predetermined categories. RESULTS: Through a targeted search, we identified fourteen articles. These articles covered 11,025 MHCWS from low- to medium-income countries, focusing on Europe, the USA, Canada, Australia, New Zealand, and Israel. Participants and respondents' rates were diverse ranging from 12% to 90%. Studies encompassed various healthcare roles and age ranges, mainly 25-45 years, with a significant female presence. Participants resided in host countries for 3-10 years on average. Results are categorized based on the Riverside Acculturation Stress Inventory (RASI) and expanded to include bureaucratic and employment barriers, Gender differences, Natives vs. non-natives, and orientation programs. CONCLUSIONS: The findings emphasize the importance of cultural competence training and tailored support for MHCWs integration and job satisfaction. Time spent in the new healthcare setting and the influence of orientation programs are key factors in shaping their intentions to stay or leave. Despite limitations, these studies provide valuable insights, emphasizing the ongoing need for holistic strategies to facilitate successful integration, ultimately benefiting healthcare systems and well-being for all stakeholders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,457
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,298
Tête enseignante GPT0,539
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations21
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Resources for HealthMême sujetGlobal Health Workforce IssuesTravaux en français237 207