Contributions of International Medical Graduates to US Biomedical Research: The Experience of US Medical Schools
Notice bibliographique
Résumé
International medical graduates (IMGs) constitute an appreciable fraction of full-time faculty at US medical schools and of principal investigators (PIs) on National Institutes of Health (NIH) research project grants. Information from the Faculty Roster of the Association of American Medical Colleges (AAMC) and from the NIH Consolidated Grant Applicant File (CGAF) was examined to assess IMGs' contribution to US medical school faculty and research. The study found that the number of IMG full-time faculty more than doubled over two decades-from 7,866 individuals in 1984 to 17,085 individuals in 2004, but that IMGs remained relatively stable as a share of physician full-time faculty (from 18.8 to 19.4%); the share is somewhat higher (20.0% of full-time physician faculty in 1984 to 23.7% in 2004) if faculty with degrees of unknown provenance are included. From 1984 to 2004, IMGs increased as a share of full-time physician faculty who are principal investigators on NIH research grants from 16.5% (540) to 21.3% (1,143). Including faculty with incomplete data on degree provenance, the corresponding IMG share increases to 18.0 and 24.0% respectively. Thus, IMGs comprise at least one-fifth and more likely one-fourth of all full-time faculty physicians who are PIs on NIH research project grants. The proportion of IMG full-time physician faculty who are in basic science departments is about twice that of their US/Canadian counterparts, as is the proportion of IMG physician PIs. Slightly fewer than half (48%) of full-time IMG faculty PIs pursue human subjects research (as coded by the NIH), while the majority of US/Canadian counterparts pursue human subjects research.
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 | 0,037 | 0,620 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,009 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».