Predictors for success and failure in international medical graduates: a systematic review of prognostic factor studies
Notice bibliographique
Résumé
Introduction International Medical Graduates (IMG) are an essential part of the international physician workforce, and exploring the predictors of success and failure for IMGs could help inform international and national physician labour workforce selection and planning. Method We searched 11 databases, including Medline, Embase and LILACS, from inception to February 2022 for studies that explored the predictors of success and failure in IMGs. We reported baseline probability, effect size in relative risk (RR), odds ratio (OR) or hazard ratio (HR) and absolute probability change for success and failure across six groups of outcomes, including success in qualifying and certificate exams, successful matching into residency, retention in practice, disciplinary actions, and outcomes of IMG clinical practice. Result Twenty-five studies (375,549 participants) reported the association of 93 predictors of success and failure for IMGs. Female sex, English proficiency, graduation recency, higher scores in USMLE step 2 and participation in a skill assessment program were associated with success in qualifying exams. Female sex, fluency in English, previous internship and results of qualifying exams were associated with success in certification exams. Retention to work in Canada was associated with several factors, including male gender, graduating within the past five years, and completing residency over fellowships. In the UK, IMGs and candidates who attempted PLAB part 1, ≥4 times vs first attempters, and candidates who attempted PLAB part 2, ≥3 times vs first attempters were more likely to be censured in future practice. Patients treated by IMGs had significantly lower mortalities than those treated by US graduates, and patients of IMGs had lower mortalities [OR: 0.82 (95% CI: 0.62, 0.99)] than patients of US citizens who trained abroad. Conclusion This study informed factors associated with the success and failure of IMGs and is the first systematic review on this topic, which can inform IMG selection and future studies.
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 | 0,010 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,009 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».