Exploring the emigration intentions of Nigerian medical and nursing students: factors driving migration and implications for Nigeria’s healthcare system
Notice bibliographique
Résumé
BACKGROUND: The emigration of healthcare professionals significantly contributes to brain drain within Nigeria's healthcare sector, exacerbating existing workforce shortages. This study investigates the emigration intentions of Nigerian medical and nursing students, focusing on preferred destinations, key motivating factors, and the potential long-term consequences for the nation's healthcare system. METHODS: A cross-sectional study was conducted among undergraduate medical and nursing students from six universities, purposefully selected to represent Nigeria's geopolitical zones. A total of 2,152 students (Medicine and Surgery = 1254; Nursing = 898) participated in the study. Data were collected using a structured, self-administered online questionnaire and analysed with IBM SPSS version 27. Descriptive statistics, chi-square tests, and binary logistic regression were applied, with statistical significance set at p < 0.05. RESULTS: 72.9% of students expressed intentions to practice abroad, primarily seeking specialist training within the first five years post-graduation (97.7%). Alarmingly, 32.7% had no intention of ever returning to Nigeria, while only 11.7% of those intending to stay intend to leave after completing specialist training. The top three emigration destinations were the United States (28.5%), the United Kingdom (24.6%), and Canada (23.1%). The main drivers of emigration included better training opportunities (75.2%), access to advanced equipment (61.1%), and improved career prospects (56.7%). Respondents predicted negative impacts on Nigeria's healthcare system, including increased mortality rates and potential system collapse. CONCLUSION: The findings reveal a high propensity for emigration among Nigerian medical and nursing students, with significant implications for the country's healthcare system. The study underscores the urgent need for policy interventions that address systemic challenges such as inadequate resources, poor working conditions, remuneration and career development opportunities. Strengthening local training conditions and offering competitive incentives may help mitigate the brain drain and ensure a sustainable healthcare workforce in Nigeria.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».