Trends in the training of female urology residents in Canada
Notice bibliographique
Résumé
INTRODUCTION: There is limited research on why women do or do not choose a career in urology. Considering the increasing proportion of female medical students, we assessed for trends in female applicants to urology programs in Canada and their post-residency career choices. METHODS: Data from the Canadian Residency Matching Service (CaRMS) was used (1998-2015). Trends in the proportions of females applying and matching to surgical subspecialties, and applying and matching to urology were computed. Surveys were sent to urology program directors to assess female residents' chosen career paths over the last decade. RESULTS: A significant increasing trend in the proportion of females applying to urology as their first choice program was found (0.19 in 1998-99 to 0.27 in 2012-15; p=0.04). An increasing trend in the proportion of females successfully matching to urology was found, although it was not statistically significant (0.13 in 1998-99 to 0.24 in 2012-15; p=0.07). This was in keeping with the trends found for surgical programs overall. Female graduates choose a variety of career paths, with urogynecology being the most common fellowship (26%). CONCLUSIONS: The last two decades has seen an increase in the proportion of female students applying to urology in Canada. Female urology graduates pursue a variety of career paths. It remains imperative that both female and male medical students have early exposure and education about our subspecialty to ensure we continue to recruit the most talented candidates.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».