MétaCan
Menu
Retour à la cohorte
Enregistrement W2336984932 · doi:10.1097/acm.0000000000001184

Characteristics and Distribution of Graduate Medical Education Training Sites: Are We Missing Opportunities to Meet U.S. Health Workforce Needs?

2016· article· en· W2336984932 sur OpenAlexaff
Janice Blanchard, Stephen Petterson, Andrew Bazemore, Kayla Watkins, Fitzhugh Mullan

Notice bibliographique

RevueAcademic Medicine · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensPetrel Robertson Consulting (Canada)
Organismes subventionnairesnon disponible
Mots-clésAccreditationGraduate medical educationMedicineFamily medicineMedicaidResidency trainingTraining (meteorology)Economic shortageHealth careMedical educationContinuing educationGovernment (linguistics)Political science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Shortages of generalist physicians in primary care and surgery have been projected. Residency programs that expose trainees to community-based health clinics and rural settings have a greater likelihood of producing physicians who later practice in these environments. The objective of this study was to characterize the distribution of residency training sites in different settings for three high-need specialties-family medicine, internal medicine, and general surgery. METHOD: The authors merged 2012 data from the Accreditation Council for Graduate Medical Education Accreditation Data System and 2010 data from the Centers for Medicare and Medicaid Services hospital cost report to match training sites with descriptive data about those locations. They used chi-square tests to compare the characteristics and distribution of residency programs and training sites in family medicine, internal medicine, and general surgery. RESULTS: The authors identified 1,095 residency programs and 3,373 training sites. The majority of training occurred in private, not-for-profit hospitals. Only 48 (of 1,390; 4%) family medicine training sites and 43 (of 936; 5%) internal medicine training sites were community-based health clinics. Seventy-eight (6%) family medicine sites, 8 (1%) internal medicine sites, and 16 (2%) general surgery sites were located in rural settings. One hundred thirty (14%) internal medicine sites were Department of Veterans Affairs medical facilities compared with 78 (6%) family medicine sites and 94 (9%) general surgery sites (P < .001). CONCLUSIONS: Relatively little training occurs in rural or community-based settings. Expanding training opportunities in these low-access areas could improve physician supply there.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,318
Tête enseignante GPT0,488
Écart entre enseignants0,169 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic MedicineMême sujetGlobal Health Workforce IssuesTravaux en français237 207