Exploring financial challenges of students and early-career professionals working in the healthcare sector: A scoping review
Notice bibliographique
Résumé
BACKGROUND: The global healthcare workforce is facing a substantial shortage and an uneven distribution of qualified professionals, which restricts access to essential healthcare services. This shortage may be mitigated through more effective support of healthcare workers in training. Therefore, an overview of existing economic barriers for this demographic is necessary. OBJECTIVE: To review the existing literature on financial challenges of students and early-career professionals in the healthcare sector. METHODS: Following the PRISMA-ScR guidelines, articles published between January 2008 and February 2024 were identified using PubMed and Scopus. A total of 17,268 articles were screened by reviewing their titles and abstracts followed by a detailed review of full texts with cross-validation. Themes were identified, clustered, and analyzed. RESULTS: This scoping review included 167 articles focusing on the themes debt (36.5%, n=61) and loans (10.2 %, n=17) and their influence on career pathways, the role of employment for career satisfaction, summarizing findings concerning salary (29.9%, n=50), finances (25.1%, n=42), funding (10.8%, n=18), and savings (10.2%, n=17), and obstacles toward a sustainable lifestyle, which included results considering career choice (34.1%, n=57), migration (7.2%, n=12), gender disparity (6.0%, n=10), and working conditions (2.4%, n=4). CONCLUSIONS: Efforts to close the healthcare workforce gap require greater investment in training, compensation, and support for junior healthcare workers. Students and early-career professionals warrant particular attention to build a sustainable, resilient, and reliable healthcare workforce.
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 | 0,007 | 0,001 |
| 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 | 0,000 | 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 ».