Resident Glaucoma Surgical Training in United States Residency Programs
Notice bibliographique
Résumé
PURPOSE: To determine current trends in resident glaucoma surgical training throughout the United States. METHODS: A comprehensive survey was sent to the residency director of all 121 ACGME-accredited ophthalmology training programs in the United States. RESULTS: The mean and median number of glaucoma procedures a resident will complete by the end of their training is 8.6 and 8 respectively for trabeculectomy, 5.3 and 4 for combined trabeculectomy/phacoemulsification, and 3.6 and 2 for tube-shunts. One percent of residents will gain experience as primary surgeon on trabeculectomies during their first year, 32% during their second year, and 67% during their third year. Seventy-five percent of residents are taught more than one trabeculectomy technique by more than one staff surgeon. Eighty-four percent of residents are taught glaucoma surgery almost exclusively by fellowship-trained glaucoma surgeons. Eighty-two percent of residents use antimetabolites (mitomycin C or 5-FU) as an adjunct to trabeculectomy most or all of the time. More than 96% of resident tube-shunt procedures use Ahmed, Baerveldt, or Molteno devices. Eighty percent of residents do not perform any pediatric glaucoma surgeries. Sixty-two percent of residents rotate out of their main facility to perform glaucoma surgery. CONCLUSIONS: Residents are being exposed to glaucoma surgery early in their residency training. Most are performing a variety of different procedures and techniques, and are taught by fellowship-trained surgeons. Residents gain very little exposure to pediatric glaucoma surgery. All programs reported compliance with minimum RRC requirements for glaucoma filtering surgery.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».