MétaCan
Menu
Retour à la cohorte
Enregistrement W3117334609 · doi:10.36834/cmej.70348

Factors influencing rheumatology residents’ decision on future practice location

2020· article· en· W3117334609 sur OpenAlexafffundvenueabout
Justin Shamis, Jessica Widdifield, Michelle Batthish, Dharini Mahendira, Shahin Jamal, Alfred Cividino, Brendan Cord Lethebe, Claire Barber

Notice bibliographique

RevueCanadian Medical Education Journal · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal Disorders and Rehabilitation
Établissements canadiensUniversity of CalgaryUniversity of British ColumbiaSunnybrook Health Science CentreMcMaster UniversityUniversity of Toronto
Organismes subventionnairesCanadian Rheumatology Association
Mots-clésRheumatologyInternal medicineFamily medicineMedicineTelehealthPolitical scienceHealth careTelemedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There are regional disparities in the distribution of Canadian rheumatologists. The objective of this study was to identify factors impacting rheumatology residents' postgraduate practice decisions to inform Canadian Rheumatology Association workforce recommendations. METHODS: test. RESULTS: A total of 34 of 67 residents completed the survey. Seventy-three percent of residents planned to practice in the same province as their rheumatology training. The majority of residents (80%) ranked proximity to friends and family as the most important factor in planning. Half of participants had exposure to alternative modes of care delivery (e.g. telehealth) during their rheumatology training with fifteen completing a community rheumatology elective (44%). CONCLUSIONS: The majority of rheumatology residents report plans to practice in the same province as they trained, and close to home. Gaps in training include limited exposure to community electives in smaller centers, and training in telehealth and travelling clinics for underserviced populations. Our findings highlight the need for strategies to increase exposure of rheumatology trainees to underserved areas to help address the maldistribution of rheumatologists.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,218
Score d'incertitude au seuil0,433

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,012
Tête enseignante GPT0,315
Écart entre enseignants0,303 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations1
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Medical Education JournalMême sujetMusculoskeletal Disorders and RehabilitationTravaux en français237 207