HemeOncoPoeisis: A fellow’s perspective on training.
Notice bibliographique
Résumé
e23000 Background: The incidence of cancer is projected to increase 67% by 2030. Current projections suggest a 40% increase in demand for hematologists/oncologists (HO) yet only a 25% increase in trainees. This discrepancy between supply and demand represents an emerging challenge to public health. There are 3 types of training programs across the US: 1. Academic (69%), 2. Hybrid, which have both community and academic exposure (~15%), and 3. Community ( < 15%). The purpose of this study is to get feedback from fellows. Methods: Contact information was collected for 126 HO programs across the US and a short questionnaire was sent. Results: There were 36 respondents, 72% from academic programs, 20% from hybrid, and 8% were community based. 25%, 42%, and 33% were 1st, 2nd, and 3rd year fellows respectively. Only a quarter of the respondents had worked or pursued another fellowship prior to starting training and the majority were directly out of residency. Only 19% of the respondents indicated interest in practicing in the community setting, 30% wanted to practice in an academic-community hybrid, and 39% wanted to practice in an academic setting. Of note about 31% of academic fellows reported not attending any national meetings (ASH/ASCO/other) in the last 2 years, 71% of hybrid trainees reported attending more than two conferences, and 75% of the community trainees attended 1 or more national meetings. Most common concerns from trainees from all programs was workload, research support, and didactics. Most of the trainees (70%) felt prepared clinically, but only 40% felt prepared academically. See Table for additional results. Conclusions: Trainees in hybrid programs appear to be most satisfied with their training. Also, trainees in academic programs indicated they wanted more exposure to community settings for future jobs. A large HO workforce will be needed in the community setting yet there is a vacuum when it comes to community based HO training. Perhaps future directions in trainee education can be towards encouraging relationships between the academic and community centers to help trainees get a broad exposure in order to be prepared for the future demands the current projections predict. [Table: see text]
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | high |
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 | 0,002 | 0,009 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,007 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».