The Influence of Gender on the Choice of Radiology as a Specialty Among Medical Students in Saudi Arabia: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Medical undergraduates are the future doctors of the country. Therefore, determining how medical students choose their areas of specialty is essential to obtain a balanced distribution of physicians among all specialties. Although gender is a significant factor that affects specialty choice, the factors underlying gender differences in radiology are not fully elucidated. OBJECTIVE: This study examined the factors that attracted medical students to and discouraged them from selecting diagnostic radiology and analyzed whether these factors differed between female and male medical students. METHODS: This cross-sectional study conducted at King Abdulaziz University Hospital in Jeddah, Saudi Arabia, used an electronic questionnaire sent to medical students from all medical years during February 2018. Subgroup analyses for gender and radiology interest were performed using the chi-square test and Cramér's V test. RESULTS: In total, 539 students (276 women; 263 men) responded. The most common factor preventing students from choosing radiology as a career was the lack of direct patient contact, which deterred approximately 47% who decided against considering this specialty. Negative perceptions by other physicians (P<.001), lack of acknowledgment by patients (P=.004), and lack of structured radiology rotations (P=.007) dissuaded significantly more male students than female students. Among those interested in radiology, more female students were attracted by job flexibility (P=.01), while more male students were attracted by focused patient interactions with minimal paperwork (P<.001). CONCLUSIONS: No significant difference was found between the genders in terms of considering radiology as a specialty. Misconception plays a central role in students' judgment regarding radiology. Hence, early exposure to radiology, assuming a new teaching method, and using a curriculum that supports the active participation of students in a radiology rotation are needed to overcome this misconception.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».