MétaCan
Menu
Retour à la cohorte
Enregistrement W2791383299 · doi:10.4300/jgme-d-17-00580.1

International Medical Graduates in the US Physician Workforce and Graduate Medical Education: Current and Historical Trends

2018· article· en· W2791383299 sur OpenAlexaboutno aff
Awad A. Ahmed, Wei‐Ting Hwang, Charles R. Thomas, Curtiland Deville

Notice bibliographique

RevueJournal of Graduate Medical Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIMGWorkforceGraduate medical educationFamily medicineRepresentation (politics)Quarter (Canadian coin)MedicinePhysician assistantsMedical educationPsychologyHealth careNurse practitionersAccreditationPolitical science

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,477
Écart entre enseignants0,378 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations115
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Graduate Medical EducationMême sujetGlobal Health Workforce IssuesTravaux en français237 207