MétaCan
Menu
Retour à la cohorte
Enregistrement W4402923758 · doi:10.1007/s44250-024-00153-y

Attractions and barriers to rural practice: impact of an interprofessional rural immersion experience, in British Columbia, Canada

2024· article· en· W4402923758 sur OpenAlexaffabout
Corin MacPhail, Sean B Maurice

Notice bibliographique

RevueDiscover Health Systems · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of British ColumbiaUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésImmersion (mathematics)Rural areaPsychologyGeographyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Healthcare provider shortage is a widely recognized contributor to rural–urban population health disparities and inequities. Various strategies have been employed to increase healthcare provider recruitment and retention in rural areas, yet a maldistribution persists, with far fewer choosing to practice rurally. Providing opportunities for healthcare students to experience rural communities is important for building the rural health workforce. In this study, interprofessional healthcare students who participated in a week-long rural immersion experience were surveyed regarding attractions and barriers to rural practice. Thirty students participated in a week-long rural immersion experience, and of those, eleven elected to complete the survey. Students’ responses regarding their interests in and perceived barriers of living and working in rural communities were categorized into two main themes: lifestyle factors and career factors. Lifestyle factors were reported more frequently than career factors regarding attraction to rural practice, but they were reported with similar frequency regarding barriers. Participants reported that the immersion experience increased comfort with the idea of rural practice. Providing exposure to rural communities, and community engagement beyond clinical involvement, should both be considered when developing future rural health workforce recruitment focused initiatives.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,443
Écart entre enseignants0,420 · 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 tête enseignante, 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiscover Health SystemsMême sujetGlobal Health Workforce IssuesTravaux en français237 207