Rural Surgical Training in the United States: Delineating Essential Components Within Existing Programs
Notice bibliographique
Résumé
BACKGROUND: Rural access to surgical care has reached crisis level. Practicing in rural America offers unique challenges with limited resources and specialists. Most training programs do not provide enough exposure to the endoscopic or the surgical subspecialty skills to prepare a resident for an isolated rural environment. As awareness has increased, many programs have modified curriculum to address this need. The Advisory Council on Rural Surgery (ACRS) of the American College of Surgeons set out to delineate important components of rural training programs and measure to what degree the existing heterogeneous programs contain these components. STUDY DESIGN: The ACRS identified 4 essential components of rural surgical training based on literature and expert opinion. These components included rotations in a rural setting, broad exposure to surgical specialties, endoscopy experience, and lack of competing specialty learners. A list of Accreditation Council for Graduate Medical Education programs from a prior publication was updated with the 2019 Fellowship and Residency Electronic Interactive Database self-identified "rural track" programs, reviewed, and categorized. RESULTS: We identified 39 programs that self-identified as having a rural emphasis. Depending on the extent of which 4 essential components were included, programs were categorized as either "Broad" (12 programs), "Basic" (20 programs), or "Indeterminate" (7 programs). CONCLUSION: The ACRS described the optimal components of a rural surgical training program and identified which components are present in those surgical residencies which self-identified as having a rural focus. This information is valuable to students planning a future in rural surgery and benefits programs hoping to enhance their curriculum to meet this critical need.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».