Factors Influencing Radiology Residents' Fellowship Training and Practice Preferences in Canada
Notice bibliographique
Résumé
PURPOSE: The study aimed to examine the postresidency plans of Canadian radiology residents and factors influencing their fellowship choices and practice preferences, including interest in teaching and research. METHODS: Institutional ethics approval was obtained at McMaster University. Electronic surveys were sent to second to fifth-year residents at all 16 radiology residency programs across Canada. Each survey assessed factors influencing fellowship choices and practice preferences. RESULTS: A total of 103 (31%) Canadian radiology residents responded to the online survey. Over 89% from English-speaking programs intended to pursue fellowship training compared to 55% of residents from French-speaking programs. The most important factors influencing residents' decision to pursue fellowship training were enhanced employability (46%) and personal interest (47%). Top fellowship choices were musculoskeletal imaging (19%), body imaging (17%), vascular or interventional (14%), neuroradiology (8%), and women's imaging (7%). Respondents received the majority of their fellowship information from peers (68%), staff radiologists (61%), and university websites (58%). Approximately 59% planned on practicing at academic institutions and stated that lifestyle (43%), job prospects (29%), and teaching opportunities (27%) were the most important factors influencing their decisions. A total of 89% were interested in teaching but only 46% were interested in incorporating research into their future practice. CONCLUSIONS: The majority of radiology residents plan on pursuing fellowship training and often receive their fellowship information from informal sources such as peers and staff radiologists. Fellowship directors can incorporate recruitment strategies such as mentorship programs and improving program websites. There is a need to increase resident participation in research to advance the future of radiology.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».