Afghan and Arab Refugee International Medical Graduate Brain Waste: A Scoping Review
Notice bibliographique
Résumé
The forced migration of tens of thousands of refugee doctors exacerbates a phenomenon referred to as “brain waste”. Based on the Arksey and O’Malley model, this scoping review conducted in SCOPUS, ProQuest, CINAHL, and ERIC via EBSCO examines three decades of peer-reviewed literature (1990–2022) on resettled Afghan and Arab refugee International Medical Graduates (rIMGs) attempting, most often unsuccessfully, relicensing/professional reentry in the USA, Canada, the EU, Australia, and New Zealand. The search identified 760 unique citations, of which only 16 met the inclusion/exclusion criteria. Included publications explored (1) systemic and personal barriers to rIMG professional reentry and (2) existing supporting reentry programs and policy recommendations. The findings point to inconsistencies in evaluating medical education credentials and to racial profiling, inequities, and discrimination in residency interviews. The support provided by some programs was perceived as inadequate, confusing, biased, and gendered. The rIMG personal barriers identified included refugees’ unique limitations and life adversities. The review grasps a collection of isolated support programs with widely varying learning performance, unclear buy-in from residency program directors, and weak policy impacts. This analysis highlights the need for legislated and standardized rIMG reentry support programs to reduce physician shortages, health disparities, and, ultimately, IMG brain waste.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».