Factors Related to Recruitment and Retention of Doctors on Remote Islands: A Systematic Review
Notice bibliographique
Résumé
The doctor shortage is a general healthcare problem on many remote islands, which differ geographically from the mainland. Revealing the factors for recruitment and retention of doctors on remote islands may help develop countermeasures. We systematically investigated the factors related to recruitment and retention of doctors specifically on remote islands. The literature available from PubMed, CENTRAL, and Embase up to May 2024 was reviewed. Eligible studies were original articles with cohort, case-control, cross-sectional, and interventional designs that focused on recruitment and retention of doctors on remote islands. For this study, the "island" was defined as an area and region surrounded by water and separated from the "mainland". The risk of bias was evaluated using the Newcastle-Ottawa Quality Rating Scale. We identified nine eligible original articles, including six cohort studies and three cross-sectional studies on recruitment and retention of doctors reported in Hawaii, Tasmania, and Maluku. In four studies on recruitment, the identified factors were island background, medical education on islands, and quality of life on islands. In six studies on retention, the identified factors were island background, medical education on islands, quality of life on islands, opportunities for professional training, family-related factors, working conditions, and financial incentives. These findings would be useful for policymakers and healthcare planners to secure doctors on remote islands. Further studies are warranted.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».