How Competitive Is Plastic Surgery? An Analysis of the Canadian and American Residency Match
Notice bibliographique
Résumé
Background: Plastic surgery (PS) is considered to be one of the most competitive specialties. As a result, some students are discouraged from applying, reducing the overall number of PS candidates. Still, much of what we know of the match is based in conjecture. Objective: To examine the Canadian PS match data from 1997 to 2016. To our knowledge, this is the first long-term analysis of the Canadian PS residency match. Method: We examined the Canadian Residency Matching Service reports from 1997 to 2016, extracting key match statistics, including available positions, number of applicants, positions filled, positions unfilled, and gender-specific match results. To examine competitiveness, the ratio of total applicants per quota per year (CR) and the ratio of applicants who chose PS as their first-choice specialty per quota per year were calculated (FC-CR). The National Residency Matching Program data were used to assess the American integrated PS match over the past decade and served as a comparison. Results: The CR of Canadian PS programs declined over the last 20 years ( P < .001), indicating fewer applicants applied to the program per available position. Similarly, the FC-CR also declined over the last 20 years ( P < .001). The number of females matching to their first-choice discipline of PS increased from 1997 ( P < .001). There was no significant change in the number of males matching to their first-choice discipline of PS ( P = .15). There was no significant change in the competitiveness (CR) of the American integrated PS match over the last decade ( P = 0.087). Conclusion: Encouragingly, today PS has more training positions and more female residents; yet, the overall number of applicants has remained relatively static over the past 20 years. This analysis serves as a valuable reference for PS programs and should assist in developing strategies to encourage the best applicants to apply.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,024 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».