Medical school service regions in Canada: exploring graduate retention rates across the medical education training continuum and into professional practice
Notice bibliographique
Résumé
PURPOSE: To create medical school service regions and examine national in-region graduate retention patterns across the medical education continuum and into professional practice as one approach to advancing social accountability in medical education. METHODS: = 19,971) were obtained from a centralized data repository and used to analyze in-region retention rates by medical specialty across the training continuum and five years into professional practice. RESULTS: Spatial inequities were observed across medical school service regions. Graduate retention patterns also varied across service region groups and medical specialties. Quebec (86.5%) and Ontario (80.4%) had above-average retention rates across the medical education continuum. Family medicine had the highest retention rates from undergraduate to postgraduate training (81.9%), while psychiatry had the highest retention rate across the training continuum and into professional practice (71.2%). The Alberta and British Columbia service region group demonstrated high retention rates across the training continuum and into professional practice and medical specialties, except for retention from undergraduate to postgraduate medical education. CONCLUSION: This study highlights the importance of considering both medical specialty and practice location of graduates when planning and retaining the physician workforce. The observed retention patterns among graduates are a critical aspect of addressing societal needs and represent an intermediate step towards achieving health equity. Furthermore, graduate retention patterns serve as an outcome measure for schools to demonstrate their commitment to social accountability. Tracking and monitoring graduate outcomes may lead schools to actively collaborate with government agencies responsible for healthcare policy, which may ultimately improve physician workforce planning and promote more equitable healthcare access.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 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 ».