Characteristics and Distribution of Graduate Medical Education Training Sites: Are We Missing Opportunities to Meet U.S. Health Workforce Needs?
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: 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.
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 | 0,005 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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