Toward Graduate Medical Education (GME) Accountability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Graduate medical education (GME) plays a key role in the U.S. health care workforce, defining its overall size and specialty distribution and influencing physician practice locations. Medicare provides nearly $10 billion annually to support GME and faces growing policy maker interest in creating accountability measures. The purpose of this study was to develop and test candidate GME outcome measures related to physician workforce. METHOD: The authors performed a secondary analysis of data from the American Medical Association Physician Masterfile, National Provider Identifier file, Medicare claims, and National Health Service Corps, measuring the number and percentage of graduates from 2006 to 2008 practicing in high-need specialties and underserved areas aggregated by their U.S. GME program. RESULTS: Average overall primary care production rate was 25.2% for the study period, although this is an overestimate because hospitalists could not be excluded. Of 759 sponsoring institutions, 158 produced no primary care graduates, and 184 produced more than 80%. An average of 37.9% of internal medicine residents were retained in primary care, including hospitalists. Mean general surgery retention was 38.4%. Overall, 4.8% of graduates practiced in rural areas; 198 institutions produced no rural physicians, and 283 institutions produced no Federally Qualified Health Center or Rural Health Clinic physicians. CONCLUSIONS: GME outcomes are measurable for most institutions and training sites. Specialty and geographic locations vary significantly. These findings can inform educators and policy makers during a period of increased calls to align the GME system with national health needs.
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.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,006 |
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 découle