Medical specialty preferences in early medical school training in Canada
Notice bibliographique
Résumé
Objectives: To understand what medical students consider when choosing their specialty, prior to significant clinical exposure to develop strategies to provide adequate career counseling. Methods: A cross-sectional study was performed by distributing optional questionnaires to 165 first-year medical students at the University of Ottawa in their first month of training with a sample yield of 54.5% (n=90). Descriptive statistics, analysis of variance, Spearman's rank correlation, Cronbach's alpha coefficient, Kaiser-Meyer-Olkin Measure, and exploratory factor analyses were used to analyze the anonymized results. Results: "Job satisfaction", "lifestyle following training" and, "impact on the patient" were the three highest rated considerations when choosing a specialty. Fifty-two and seventeen percent (n=24) and 57.89% (n=22) of males and females ranked non-surgical specialties as their top choice. Student confidence in their specialty preferences was moderate, meaning their preference could likely change (mean=2.40/5.00, SD=1.23). ANOVA showed no significant differences between confidence and population size (F(2,86)=0.290, p=0.75) or marital status (F(2,85)=0.354, p=0.70) in both genders combined. Five underlying factors that explained 44.32% of the total variance were identified. Five themes were identified to enhance career counseling. Conclusions: Medical students in their first month of training have already considered their specialty preferences, despite limited exposure. However, students are not fixed in their specialty preference. Our findings further support previous results but expand what students consider when choosing their specialty early in their training. Medical educators and administrators who recognize and understand the importance of these considerations may further enhance career counseling and medical education curricula.
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 | 0,006 | 0,047 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».