Pregnancy and Parenthood Remain Challenging During Surgical Residency: A Systematic Review
Notice bibliographique
Résumé
PURPOSE: To examine common themes and synthesize data surrounding pregnancy and parenthood during surgical residency training. METHOD: The authors conducted a systematic search of the literature in March 2019. They searched MEDLINE, EMBASE, and Scopus, seeking articles published from 2003 to 2018 that focused on pregnancy, parenthood, and the experience of surgical residents. They excluded articles that examined nonsurgical programs, as well as editorials, abstracts, and commentaries. Two investigators independently reviewed all citations, selected articles for full-text review, and extracted data from the selected articles. RESULTS: Of 523 titles and abstracts screened, 27 were included. Overall, female surgical residents had fewer children during residency training than their male counterparts (18%-28% vs 32%-54%). As compared with the general population, surgical residents had their first child later in life (30-34 vs 25 years old), and had fewer children overall (0.6-2.1 vs 2.7). Infertility rates were higher among female surgeons than in the general population (30%-32% vs 11%), as were assisted reproductive technology rates (8%-13% vs 1.7%). Pregnant surgical residents experienced a high rate of obstetrical complications; working more than 6 overnight calls shifts per month or 60 hours per week were predictors of increased complication rates. The authors noted no differences in attrition, caseload, or exam pass rates amongst female surgical residents who had become pregnant as compared with other residents. Despite these similar academic outcomes, negative attitudes and perceptions toward pregnancy during residency were consistently identified. CONCLUSIONS: Female surgical residents experience high rates of infertility and obstetrical complications, contend with negative attitudes and stigma during their pregnancies, and voluntarily delay childbearing. Formal maternity policies, a shift in surgical culture, and ongoing discussion with all stakeholders are needed to attract and retain female surgical residents.
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 | 0,012 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,010 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».