International Medical Graduates in the US Physician Workforce and Graduate Medical Education: Current and Historical Trends
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Background Data show that international medical graduates (IMGs), both US and foreign born, are more likely to enter primary care specialties and practice in underserved areas. Comprehensive assessments of representation trends for IMGs in the US physician workforce are limited. Objective We reported current and historical representation trends for IMGs in the graduate medical education (GME) training pool and US practicing physician workforce. Methods We compared representation for the total GME and active practicing physician pools with the 20 largest residency specialties. A 2-sided test was used for comparison, with P < .001 considered significant. To assess significant increases in IMG GME trainee representation for the total pool and each of the specialties from 1990–2015, the slope was estimated using simple linear regression. Results IMGs showed significantly greater representation among active practicing physicians in 4 specialties: internal medicine (39%), neurology (31%), psychiatry (30%), and pediatrics (25%). IMGs in GME showed significantly greater representation in 5 specialties: pathology (39%), internal medicine (39%), neurology (36%), family medicine (32%), and psychiatry (31%; all P < .001). Over the past quarter century, IMG representation in GME has increased by 0.2% per year in the total GME pool, and 1.1% per year for family medicine, 0.5% for obstetrics and gynecology and general surgery, and 0.3% for internal medicine. Conclusions IMGs make up nearly a quarter of the total GME pool and practicing physician workforce, with a disproportionate share, and larger increases over our study period in certain specialties.
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.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle