Exploring the Contributions of Combined Model Regional Medical Education Campuses to the Physician Workforce
Notice bibliographique
Résumé
PURPOSE: Physician shortages and maldistribution, particularly within family medicine, have led many medical schools worldwide to create regional medical campuses (RMCs) for clerkship training. However, Canadian medical schools have developed a number of RMCs in which all years of training (i.e., a combined model that includes both preclerkship and clinical training) are provided geographically separate from the main campus. This study addresses the question: Are combined model RMC graduates more likely to enter postgraduate training in family medicine and rural-focused programs relative to main campus graduates? METHOD: The authors used a quasi-experimental research design and analyzed 2006-2016 data from the Canadian Resident Matching Service (CaRMS). Graduating students (N = 26,525) from 16 Canadian medical schools who applied for the CaRMS match in their year of medical school graduation were eligible for inclusion. The proportions of graduates who matched to postgraduate training in (1) family medicine and (2) rural-focused programs were compared for combined model RMCs and main campuses. RESULTS: Of RMC graduates, 48.4% matched to family medicine (95% confidence interval [CI] = 46.1-50.7) compared with 37.1% of main campus graduates (95% CI = 36.5-37.7; P < .001). Of RMC graduates, 23.9% matched to rural-focused training programs (95% CI = 21.8-25.9) compared with 10.4% of main campus graduates (95% CI = 10.0-10.8; P < .001). Subanalyses ruled out a variety of potentially confounding variables. CONCLUSIONS: Combined model RMCs, in which all years of training take place away from the medical school's main campus, are associated with greater proportions of medical students entering family medicine postgraduate training and rural-focused training programs. These findings should encourage policymakers, health services agencies, and medical schools to continue seeking complements to academic medical center-based medical education.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».