The Canadian general surgery resident: defining current challenges for surgical leadership
Notice bibliographique
Résumé
BACKGROUND: Surgery training programs in Canada and the United States have recognized the need to modify current models of training and education. The shifting demographic of surgery trainees, lifestyle issues and an increased trend toward subspecialization are the major influences. To guide these important educational initiatives, a contemporary profile of Canadian general surgery residents and their impressions of training in Canada is required. METHODS: We developed and distributed a questionnaire to residents in each Canadian general surgery training program, and residents responded during dedicated teaching time. RESULTS: In all, 186 surveys were returned for analysis (62% response rate). The average age of Canadian general surgery residents is 30 years, 38% are women, 41% are married, 18% have dependants younger than 18 years and 41% plan to add to or start a family during residency. Most (87%) residents plan to pursue postgraduate education. On completion of training, 74% of residents plan to stay in Canada and 49% want to practice in an academic setting. Almost half (42%) of residents identify a poor balance between work and personal life during residency. Forty-seven percent of respondents have appropriate access to mentorship, whereas 37% describe suitable access to career guidance and 40% identify the availability of appropriate social supports. Just over half (54%) believe the stress level during residency is manageable. CONCLUSION: This survey provides a profile of contemporary Canadian general surgery residents. Important challenges within the residency system are identified. Program directors and chairs of surgery are encouraged to recognize these challenges and intervene where appropriate.
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 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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».