Rural clinical placements in clinical education: impact on rural practice interest in Canada: a scoping review.
Notice bibliographique
Résumé
Statistics Canada defines rural areas as towns or municipalities outside the commuting zone of larger urban centres.(1) Clinical students included are students in the nursing and medical field at all levels of education. There is an inequitable distribution of healthcare professionals in Canada.(2) Research has shown that 8% of physicians practice in rural areas, whereas 19% of Canadians live in rural areas. (3, 4) This trend has raised concerns about inequitable access to healthcare practitioners in rural regions. Despite concerns raised, there is a lack of comprehensive research investigating incentives for nursing and medical students to stay and practice in rural settings. Furthermore, much of the research that investigates healthcare student settlement in rural areas is outdated, and given the COVID-19 pandemic, many intentions have changed. Objective This scoping review seeks to explore the influence of rural clinical placements on the choice of practice locations among nursing and medical students in Canada. The aim is to address the critical gap in healthcare provision in rural areas by assessing whether experiential learning in these settings encourages graduates to pursue careers in similarly underserved areas. In studying the effectiveness of clinical placements on self-reported interest, methods of improving long-term outcomes for primary healthcare staffing in rural areas can be evaluated and applied to current training. The goal is to address disparities in healthcare accessibility and gain an understanding of policy development and educational practices. Design A scoping review Methodology The review will synthesise available qualitative and quantitative literature in English language spanning from 1970 to the present to ascertain the relationship between rural clinical placements during educational training and the subsequent selection of rural practice settings. Publications will be sourced from scientific databases such as CINAHL and Ebscohost. Grey literature will also be included, and journal citations will be searched. Screening will be carried out by two independent reviewers, and all disputes will be settled by a third reviewer.
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 | 0,015 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,019 | 0,045 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».