Variation in the Geographic Distribution of the Otolaryngology Workforce: A National Geospatial Analysis
Notice bibliographique
Résumé
Objective To examine the current geographic distribution of otolaryngologists in the United States and the disparities in socioeconomic demographics at the county and hospital referral region (HRR) level. Study Design Cross‐sectional study. Setting National cohort analysis including all otolaryngologists in the United States. Subjects and Methods All otolaryngologists board certified by the American Board of Otolaryngology–Head and Neck Surgery in the United States in 2018 were compared with overlaid demographic data from the 2010 United States Census Bureau by county and HRR. Associations between the density of otolaryngologists per population and socioeconomic characteristics were assessed and stratified by region. Results The average number of otolaryngologists was 3.6 (SD 9.6) per 100,000. On multivariable regression analysis, the density of otolaryngologists was positively associated with counties with the highest quartile of college education (1.8 providers per 100,000 [95% confidence interval [CI] 0.89, 2.90], P <. 001) and income (2.1 providers per 100,000 [95% CI 1.03, 3.07], P =. 01). Significant regional variation existed in access to otolaryngology care. Conclusion There are significant areas with disparate densities of otolaryngologists in the United States. Lower socioeconomic status, more severe poverty, and a lower number of college graduates in a county correlated with reduced density of otolaryngologists.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».