Advanced Training and Job Satisfaction Among Recent Canadian Plastic Surgery Graduates
Notice bibliographique
Résumé
Background: In order to increase one’s competitiveness in the current job market, Canadian plastic surgery graduates may complete additional degrees and multiple fellowships. The authors sought to determine the impact of this additional training on the practice profile of recent graduates and determine the current state of job satisfaction among this group. Methods: An anonymous cross-sectional online survey was created and sent to all 250 graduates of Canadian plastic surgery residencies from 2005 to 2015. Demographics were collected and questions grouped into clinical, teaching, research, and administrative components. Questions pertaining to job satisfaction were also included. Results: The response rate to the survey was 39%. Sixty-nine (71%) respondents had permanent attending positions at the time of survey completion, while the remaining 28 respondents did not. Among those with permanent positions, 59 (86%) completed at least one fellowship and 30 (43%) have an advanced degree. Of those who did fellowship training, 76% practice primarily in their area of subspecialty. Having an advanced degree showed a trend to a higher percentage of practice dedicated to research (5.6% vs 1.9%; P = .074) and more publications per year were seen among this group (1.31 vs 0.30; P = .028). Eighty-six percent of respondents are satisfied with their current attending position. Conclusions: The majority of recent Canadian plastic surgery graduates are undergoing fellowship training and are practicing primarily in their fields of subspecialty training. Having a postgraduate degree was associated with a higher number of publications per year as an attending surgeon. Job satisfaction is high among recent graduates.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».