MétaCan
Menu
Retour à la cohorte
Enregistrement W2895501679 · doi:10.1177/2292550318800328

The Canadian Plastic Surgery Workforce Analysis: Forecasting Future Need

2018· article· en· W2895501679 sur OpenAlexaffabout
Alexander Morzycki, Helene Retrouvey, Becher Al‐Halabi, Johnny Ionut Efanov, Sarah Al‐Youha, Jamil Ahmad, David Tang

Notice bibliographique

RevuePlastic Surgery · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensMcGill UniversityDalhousie UniversityUniversity of TorontoUniversity of AlbertaUniversité de MontréalTranslational Research in Oncology
Organismes subventionnairesnon disponible
Mots-clésWorkforceMedicineGovernment (linguistics)Workforce planningHealth carePopulationFamily medicineMedical educationEnvironmental healthEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Projecting the demand for plastic surgeons has become increasingly important in a climate of scarce public resource within a single payer health-care system. The goal of this study is to provide a comprehensive workforce update and describe the perceptions of the workforce among Canadian Plastic Surgery residents and surgeons. METHODS: Two questionnaires were developed by a national task force under the Canadian Plastic Surgery Research Collaborative. The surveys were distributed to residents and practicing surgeons, respectively. RESULTS: Two-hundred fifteen (49%) surgeons responded, with a mean age of 51.4 years (standard deviation [SD] = 11.5); 78% were male. Thirty-three percent had been in practice for 25 years or longer. More than half of respondents were practicing in a large urban center. Fifty-nine percent believed their group was going to hire in the next 2 to 3 years; however, only 36% believed their health authority/provincial government had the necessary resources. The mean desired age of retirement was 67 years (SD = 6.4). We predict the surgeons-to-population ratio to be 1.55:100 000 and the graduate-to-retiree ratio to be 2.16:1 within the next 5 to 10 years. Seventy-seven (49%) residents responded. Most were "very satisfied" with their training (61%) and operative experience (90%). Eighty-nine percent of respondents planned to pursue addqitional training after residency, with 70% stating that the current job market was contributing to their decision. Most residents responded that they were concerned with the current job market. CONCLUSIONS: The results of this study predict an adequate number of plastic surgeons will be trained within the next 10 years to suit the population's requirements; however, there is concern that newly trained surgeons will not have access to the necessary resources to meet growing demands. Furthermore, there is an evident shortage of those practicing in rural areas. Many trainees worry about the availability of jobs, despite evidence of active recruitment. The workforce may benefit from structured career mentorship in residency and improved transparency in hiring practices, particularly to attract young surgeons to smaller communities. It may also benefit from a coordinated national approach to recruitment and succession planning.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,201

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,005
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,257
Écart entre enseignants0,203 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations9
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlastic SurgeryMême sujetDiversity and Career in MedicineTravaux en français237 207