MétaCan
Menu
Retour à la cohorte
Enregistrement W4410234158 · doi:10.3389/fmed.2025.1584501

Retention of doctors in remote, rural and First Nations communities using distributed general practice education: a scalable solution

2025· article· en· W4410234158 sur OpenAlexaboutno aff
Patrick Giddings, Belinda O’Sullivan, Matthew McGrail

Notice bibliographique

RevueFrontiers in Medicine · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkforceCertificationCompetence (human resources)Vocational educationCapacity buildingMedical educationRural areaNursingMedicinePsychologyPolitical sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

The value of distributed training of the medical workforce is well documented. Australia's Remote Vocational Training Scheme (RVTS) provides a scalable approach to specialist training in general practice that utilizes distance education and remote supervision. RVTS enables trainees to stay in their rural, remote and First Nations communities while working toward specialist certification as a general practitioner. The program, which supports both international and domestically trained graduates through tailored supervision and education, has operated across Australia for 25 years. Trainees are supported both professionally and socially over 4 years. An independent evaluation (2023-24) demonstrated a 78% completion rate among participants who remained in the same rural or remote practice for an average of 5.2 years. Two years after completing the program, 49% were still working in the community where their training commenced, well above documented retention benchmarks for these settings. High levels of participant satisfaction were reported, ranging from 88 to 100% across various indicators. The evaluation found that the program supports retention by eliciting five participant responses: comfort, confidence, competence, belonging, and bonding. Engagement and connection between participants are maintained through accessible technology, real-time support, virtual small-group learning, and twice-yearly in-person workshops. Despite the program's focus on high-need areas, it is cost-effective compared to similar rural training schemes. The experience of RVTS can inform other countries seeking to enhance rural workforce retention, particularly for underserved populations and migrant healthcare workers. The adaptable structure of the program aligns with the global development goals of the World Health Organization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,425
Écart entre enseignants0,386 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetGlobal Health Workforce IssuesTravaux en français237 207