Internal Medicine Residency Program in Iran: Exclusive Features and an International Comparison
Notice bibliographique
Résumé
Background: Internal Medicine (IM) is one of the main medical specialties. In this paper, the features of the Iranian IM residency training program, duties and salary were evaluated and compared with some countries. Methods: Using the Iranian Ministry of Health and Medical Education (IMHME) directive, the features of educational curriculum, compulsory working hours, duties and salary were extracted and compared with some countries whose full details were available. Results: The annual capacity of IM residency admission in Iran is about 280 residents in 34 countrywide medical universities. The training curriculum of IM is designed uniformly for all universities by IMHME and is consisted of a 4-year training of gastroenterology, endocrinology, nephrology, pulmonary, hematology and rheumatology plus cardiology, neurology, intensive care, emergency medicine, radiology and dermatology in hospital departments and continuity clinics. Residency training period in Iran is similar to Turkey and Canada and is shorter than most European countries. Average weekly working hours for IM residents is 84 hours in Iran, which is higher than Turkey European countries, Canada and the USA. Two to eight years of medical service in underserved areas have been assigned for Iranian graduates of IM residency before receiving certification for working in larger cities. Conclusion: Residency training in each country is affected by different factors such as economic status, work force, national health priorities and available facilities. Training of residents with more knowledge and skills that did not bear remarkable job burnout during their training period is a challenging goal for medical education policymakers
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».