Research Trends and Patterns on International Migration of Health Workers (1950–2022)
Notice bibliographique
Résumé
In the context of globalization and liberalization, the international migration of health workers has gained prominence due to increased cross-border mobility. This migration trend, impacting healthcare systems, has intensified recently, driven by factors like the COVID-19 pandemic and demand in high-income countries. The present study was designed to give an overview on research trends and patterns of scholarly production on this topic. Relevant documents published in Scopus from 1950 to 2022 were extracted and analyzed using bibliometric methods. The search string extracted 708 articles. The Human Resources for Health journal ranked first while the University of Sydney was the leading institution. Authors from the US contributed the most (25.8%), followed by the UK, Canada, and Australia. At the regional level, countries in the WHO South-Eastern Asian region and WHO Eastern Mediterranean region contributed the least. Cross-country research collaboration was limited. The research hotspots that attracted the attention of scholars were nurse and physician migration, policy implications, and impact on developing countries. Emerging research topics were the impact of COVID-19 on migration and identification of push-pull factors. Most frequently mentioned push factors driving health worker migration included economic disparities, unfavorable work conditions, and security concerns. Conversely, the main pull factors encompassed prospects of advanced training, better quality of life, and enhanced practice environments. Future research should focus on global policies and push-pull factors to restore the balance in the ratio of health workforce between high and low- and middle-income countries.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».