African nurses on the move: decisions, destinations and recruitment practices - a scoping review
Notice bibliographique
Résumé
BACKGROUND: The transnational migration of African nurses negatively impacts nurse-to-population ratios and life expectancy indices in many African countries. Understanding migration decisions, destination preferences, and recruitment practices of African nurses is crucial for identifying appropriate and effective retention interventions. OBJECTIVE: The objectives of this scoping review are to examine the state of evidence in relation to the decisions surrounding international African nurse migration, as well as destinations preferences and recruitment practices employed to attract African nurses. METHODS: Guided by the updated Joanna Briggs Institute (JBI) methodology for scoping reviews, we conducted a comprehensive search on empirical studies and grey literature on African nurse migration published in English from 2000 onwards and indexed in health and interdisciplinary databases. Studies on African nurse or student nurse migration intention were excluded. RESULTS: We included 28 studies, twenty-one of which were peer-reviewed and seven from the grey literature. Synthesis of included studies found that international African nurse migration is influenced by economic challenges and income disparities, and career dynamics and job sustainability in home countries. The choice of destination by African nurses is impacted by African countries' past colonial relationships with destination countries, linguistic and cultural similarities. African nurses are recruited through international inter-agency collaboration and via direct recruitment by destination country health systems. CONCLUSION: Low income, poor economic growth and inadequate investment in African health systems significantly drive African nurse emigration, complicating efforts to attain universal health coverage. Recruitment strategies for nurse from African are often unregulated and can lead to exploitation and human trafficking. Again, as African nurse migration continues to rise, further studies are needed to examine their migration and transition experiences, as well as the support systems available in their destinations. Finally, improving workforce policies to meet the evolving needs of nurses is vital for retaining nurses in Africa.
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 | 0,011 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».