Diversity in Otolaryngology Residency Programs: A Survey of Otolaryngology Program Directors
Notice bibliographique
Résumé
Objective As the population of the United States becomes increasingly racially and ethnically diverse, it is important that the medical profession reflect these changes. Otolaryngology has previously been identified as one of the surgical subspecialties with the smallest presence of those underrepresented in medicine. In the context of this study, the term underrepresented in medicine is defined as blacks, Latinos, Native American, and Native Hawaiians. The purpose of this study was to describe the current state of otolaryngology residency programs in terms of diversity of resident and faculty cohort, explore general interviewing practices, and investigate recruitment of underrepresented in medicine applicants. Study Design Survey via electronic questionnaire. Setting Academic otolaryngology residency programs. Subjects and Methods A 14-item survey was distributed to 105 program directors asking them to consider their program's past 15 years of existence. Results With a response rate of roughly 30%, we found that over one-third of responding programs had matriculated 1 or fewer underrepresented in medicine residents. There was a statistically significant association between the number of underrepresented in medicine faculty and the number of underrepresented in medicine residents matriculated ( P = .02). Conclusion The authors stress the importance of underrepresented in medicine faculty mentorship. Although not statistically significant in this study, increasing the number of underrepresented in medicine applicants interviewed, as well as recommending outreach programs, may help to improve underrepresented minority matriculation into residency programs as demonstrated in the literature.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».