Canadian M.D.-Ph.D. Programs Produce Impactful Physician-Scientists: The McGill Experience
Notice bibliographique
Résumé
On June 18, 2015, the Canadian Institutes of Health Research (CIHR) announced that it would terminate funding to M.D.-Ph.D. programs due to budget constraints, against the recommendations from two advisory panels. CIHR’s M.D.-Ph.D. program grants, which amounted to an annual average of $1.8 million in the form of 14 six-year studentships, represent only 0.15% of CIHR’s $1.2 billion operating budget. As over half of M.D.-Ph.D. trainees are dependent on these studentships, this poses a threat to physician-scientist training in Canada. In response to the current volatile funding climate, we surveyed McGill University’s M.D.-Ph.D. program alumni to assess its success in producing physician-scientists. In this program, 60.0% of graduates who have completed training have become physician-scientists, the majority being retained in Canada. These individuals have attained positions with sufficiently protected time for research and had grant success and significant publications for early- to mid-career investigators. This suggests that the current M.D.-Ph.D. system is an effective way of producing competent physician-scientists. As physician-scientists have remarkably contributed to Canadian healthcare innovation despite making up a fraction of physicians and researchers, vulnerability in the M.D.-Ph.D. pipeline would invariably affect the health of Canadians.
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 | 0,014 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,030 | 0,008 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,002 |
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 ».