Impacts of COVID-19 on Physician Labour Market Activities
Bibliographic record
Abstract
Le fait de comprendre les changements à la main-d’œuvre en médecine pendant la pandémie de COVID-19 éclaire la planification des effectifs médicaux. À l'aide de données représentatives canadiennes, les auteurs ont observé une réduction des heures de travail pendant la première vague. Toutefois, les heures n’étaient pas différentes des normes prépandémiques lors des vagues subséquentes. Les réductions étaient concentrées chez les médecins de famille communautaires et les spécialistes, tandis qu'en moyenne, les médecins hospitaliers ont maintenu leurs heures prépandémiques. Notamment, les hommes et les femmes ont présenté des diminutions indifférenciables sur le plan statistique, mais légèrement plus marquées chez les hommes. Sauf chez les parents monoparentaux ayant des enfants, dont les heures n'ont pas diminué, les réductions observées étaient très semblables, compte tenu de la situation conjugale et chez les femmes et les hommes ayant ou non des enfants, même si ceux-ci étaient très jeunes. La situation d'immigration n'avait pas d'incidence sur la diminution des heures. Les médecins de plus de 60 ans ont réduit leurs heures davantage que les plus jeunes. Sous réserve de certaines variations, des tendances semblables ont été observées à l’égard des absences. Aucune donnée probante n'a soutenu la susceptibilité des médecins à arrêter d'exercer pendant la pandémie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.022 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".