MétaCan
Menu
Retour à la cohorte
Enregistrement W3115993569 · doi:10.1177/0003134820966282

Academic Productivity in Hepatopancreatobiliary Surgeons: Identifying Benchmarks Associated With Rank in North America

2020· article· en· W3115993569 sur OpenAlexaboutno aff
Kelly J. Lafaro, Amit Khithani, Paul Wong, Christopher J. LaRocca, Susanne G. Warner, Yuman Fong, Laleh G. Melstrom

Notice bibliographique

RevueThe American Surgeon · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesCenter for Scientific Review
Mots-clésAccreditationProductivityUnivariatePromotion (chess)Index (typography)Rank (graph theory)MedicineMedical educationPolitical scienceMultivariate statisticsStatisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Background Academic achievement is an integral part of the promotion process; however, there are no standardized metrics for faculty or leadership to reference in assessing this potential for promotion. The aim of this study was to identify metrics that correlate with academic rank in hepatopancreaticobiliary (HPB) surgeons. Materials and Methods Faculty was identified from 17 fellowship council accredited HPB surgery fellowships in the United States and Canada. The number of publications, citations, h-index values, and National Institutes of Health (NIH) funding for each faculty member was captured. Results Of 111 surgeons identified, there were 31 (27%) assistant, 39 (35%) associate, and 41 (36%) full professors. On univariate analysis, years in practice, h-index, and a history of NIH funding were significantly associated with a surgeon’s academic rank ( P < .05). Years in practice and h-index remained significant on multivariate analysis ( P < .001). Discussion Academic productivity metrics including h-index and NIH funding are associated with promotion to the next academic rank.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,276
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American SurgeonMême sujetDiversity and Career in MedicineTravaux en français237 207