Factors Associated with Attrition and Performance Throughout Surgical Training: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
BACKGROUND: Attrition within surgical training is a challenge. In the USA, attrition rates are as high as 20-26%. The factors predicting attrition are not well known. The aim of this systematic review is to identify factors that influence attrition or performance during surgical training. METHOD: The review was performed in line with PRISMA guidelines and registered with the Open Science Framework (OSF). Medline, EMBASE, PubMed and the Cochrane Central Register of Controlled Trials were searched for articles. Risk of bias was assessed using the Newcastle-Ottawa scale. Pooled estimates were calculated using random effects meta-analyses in STATA version 15 (Stata Corp Ltd). A sensitivity analysis was performed including only multi-institutional studies. RESULTS: The searches identified 3486 articles, of which 31 were included, comprising 17,407 residents. Fifteen studies were based on multi-institutional data and 16 on single-institutional data. Twenty-nine of the studies are based on US residents. The pooled estimate for overall attrition was 17% (95% CI 14-20%). Women had a significantly higher pooled attrition than men (24% vs 16%, p < 0.001). Some studies reported Hispanic residents had a higher attrition rate than non-Hispanic residents. There was no increased risk of attrition with age, marital or parental status. Factors reported to affect performance were non-white ethnicity and faculty assessment of clinical performance. Childrearing was not associated with performance. CONCLUSION: Female gender is associated with higher attrition in general surgical residency. Longitudinal studies of contemporary surgical cohorts are needed to investigate the complex multi-factorial reasons for failing to complete surgical residency.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».