Improving Recruitment into Geriatric Medicine in Canada: Findings and Recommendations from the Geriatric Recruitment Issues Study
Notice bibliographique
Résumé
As the number of Canadians aged 65 and older continues to increase, declining recruitment into geriatric medicine (GM) raises concerns about the future viability of this medical subspecialty. To develop effective strategies to attract more GM trainees into the field, it is necessary to understand how medical students, residents, GM trainees, and specialists make career choices. The Geriatric Recruitment Issues Study (GRIST) was designed to assess specific methods that could be used to improve recruitment into geriatrics in Canada. Between November 2002 and January 2003, 530 participants were invited to complete the GRIST survey (117 Canadian geriatricians, 12 GM trainees, 96 internal medicine residents, and 305 senior medical students). Two hundred fifty-three surveys (47.7%) were completed and returned (from 54 participating geriatricians, 9 GM trainees, 50 internal medicine residents, and 140 senior medical students). The survey asked respondents to rate factors influencing their choice of medical career, the attractiveness of GM, and the anticipated effectiveness of potential recruitment strategies. Although feedback varied across the four groups on these issues, consistencies were observed between medical students and residents and between GM trainees and geriatricians. All groups agreed that role modeling was effective and that summer student research programs were an ineffective recruitment strategy. Based on the GRIST findings, this article proposes six recommendations for improving recruitment into Canadian geriatric medicine training programs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,086 | 0,182 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,015 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».