MétaCan
Menu
Retour à la cohorte
Enregistrement W2016739788 · doi:10.5489/cuaj.2136

Attitudes and experiences of residents in pursuit of postgraduate fellowships: A national survey of Canadian trainees

2014· article· en· W2016739788 sur OpenAlexaffvenueabout
Naji J. Touma, D. Robert Siemens

Notice bibliographique

RevueCanadian Urological Association Journal · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésLikert scaleGraduation (instrument)Medical educationMedicineDescriptive statisticsScale (ratio)Family medicinePsychologyUrology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: There have been significant pressures on urology training in North America over the last decade due to both the constantly evolving skill set required and the external demands around delivery of urological care, particularly in Canada. We explore the attitudes and experience of Canadian urology residents toward their postgraduate decisions on fellowship opportunities. METHODS: The study consisted of a self-report questionnaire of 4 separate cohorts of graduating urology residents from 2008 to 2011. The first cohort graduating in 2008 and 2009 were sent surveys through SurveyMonkey.com after graduation from residency; those graduating in 2010 and 2011 were prospectively invited as a convenience sample attending a Queen's Urology Examination Skills Training Program review course just prior to graduation. The survey included both open- and closed-ended questions, employing a 5-point Likert scale, and explored the attitudes and experience of fellowship choices. Likert scores for each question were reported as means ± standard deviation (SD). Descriptive and correlative statistics were used to analyze the responses. In addition, an agreement score was created for those responding with "strongly agree" and "agree" on the Likert scale. RESULTS: A total of 104 surveys were administered, with 84 respondents (80.8% response rate). As a whole, 84.9% of respondents agreed that they pursued fellowships; oncology and minimally invasive urology were the most popular choices throughout the 4 years. Respondents stated that reasons for pursuing a fellowship included: interest in pursuing an academic career (mean 3.73± 1.1 (SD): agreement score 61.1%) as well as acquiring marketable skills to obtain an urology position (3.59 ± 1.3: 64.4%). Most agreed or strongly agreed (84.9%) that a reason for pursing a fellowship was an interest in focusing their practice to this sub-specialty area. In comparison, most graduates disagreed that a reason for pursuing a fellowship was that residency did not equip them with the necessary skills to practice urology (2.49 ± 1.2: 19%). Most (81.2%) of graduates agreed they knew enough about academic urology to know if it would be a suitable career choice for them versus 54.7% regarding community urology (p < 0.0001). Surprisingly, only 61.7% of residents agreed that they completed a community elective during training, and most felt they would have benefited from additional elective time in the community. CONCLUSIONS: Urology residents graduating from Canadian programs pursue postgraduate training to enhance their surgical skill set and to achieve marketability, but also to facilitate a potential academic career. Responses from the trainees suggest that exposure to community practice appears suboptimal and may be an area of focus for programs to aid in career counselling and professional development.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,283
Écart entre enseignants0,230 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations16
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Urological Association JournalMême sujetDiversity and Career in MedicineTravaux en français237 207