The relationship between democracy and corruption and the global physician workforce
Notice bibliographique
Résumé
BACKGROUND: Understanding how governance factors such as democracy and corruption impact the healthcare workforce is crucial for achieving Universal Health Coverage (UHC). Effective health workforce planning and resource allocation are influenced by these political constructs. This study examines the relationship between democracy and corruption and key healthcare workforce metrics. METHODS: A cross-sectional study was conducted using a global dataset from 2020 to 2022. The primary outcome was Physician Density (medical doctors per 10000 people). Secondary outcomes included the generalist to specialist ratio and the percentage of female physicians (% Female). Partial correlations, multivariate analysis of variance (MANOVA), and univariate analysis of variance (ANOVA) were used to analyze the relationship between workforce variables and the democracy index (DI), and corruption perception index (CPI), controlling for domestic health expenditure. RESULTS: Data from 134 countries showed significant positive associations between both DI (r = 0.32, p = 0.004) and CPI (r = 0.43, p < 0.001) with physician density. MANOVA indicated significant multivariate effects of DI (Wilks' Lambda = 0.8642, p = 0.013) and CPI (Wilks' Lambda = 0.8036, p = 0.001) on the combined workforce variables. Univariate ANOVAs showed that DI (F = 6.13, p = 0.015) and CPI (F = 10.57, p = 0.002) significantly affected physician density, even after adjusting for domestic expenditure (F = 18.53, p < 0.001). However, neither DI nor CPI significantly impacted the Generalist to Specialist Ratio or % Female Physicians. DISCUSSION: Higher levels of democracy and lower levels of corruption are associated with a greater density of medical doctors, independent of healthcare spending. Policymakers must advocate for governance reforms that support a robust healthcare workforce to support aim of universal health coverage.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».