Do Residents Who Train in Safety Net Settings Return for Practice?
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: To examine the relationship between training during residency in a federally qualified health center (FQHC), rural health clinic (RHC), or critical access hospital (CAH) and subsequent practice in these settings. METHOD: The authors identified residents who trained in safety net settings from 2001 to 2005 and in 2009 using 100% Medicare Part B claims files for FQHCs, RHCs, and CAHs and 2011 American Medical Association Masterfile residency start and end date histories. They used 2009 Medicare claims data to determine the relationship between this training and subsequent practice in safety net settings. RESULTS: The authors identified 662 residents who had a Medicare claim filed in their name by an RHC, 975 by an FQHC, and 1,793 by a CAH from 2001 to 2005 and in 2009. By 2009, that number of residents per year had declined for RHCs and FQHCs but increased substantially for CAHs. The percentage of physicians practicing in a safety net setting in 2009 who had trained in a similar setting from 2001 to 2005 was 38.1% (205/538) for RHCs, 31.2% (219/703) for FQHCs, and 52.6% (72/137) for CAHs. CONCLUSIONS: Using Medicare claims data, the authors identified residents who trained in safety net settings and demonstrated that many went on to practice in these settings. They recommend that graduate medical education policy support or expand training in these settings to meet the surge in health care demand that will occur with the enactment of the Affordable Care Act insurance provision in 2014.
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 | 0,005 | 0,013 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle