Predictors of an academic career among fellowship-trained spinal neurosurgeons
Notice bibliographique
Résumé
OBJECTIVE: Although fellowship training is becoming increasingly common in neurosurgery, it is unclear which factors predict an academic career trajectory among spinal neurosurgeons. In this study, the authors sought to identify predictors associated with academic career placement among fellowship-trained neurological spinal surgeons. METHODS: Demographic data and bibliometric information on neurosurgeons who completed a residency program accredited by the Accreditation Council for Graduate Medical Education between 1983 and 2019 were gathered, and those who completed a spine fellowship were identified. Employment was denoted as academic if the hospital where a neurosurgeon worked was affiliated with a neurosurgical residency program; all other positions were denoted as nonacademic. A logistic regression model was used for multivariate statistical analysis. RESULTS: A total of 376 fellowship-trained spinal neurosurgeons were identified, of whom 140 (37.2%) held academic positions. The top 5 programs that graduated the most fellows in the cohort were Cleveland Clinic, The Johns Hopkins Hospital, University of Miami, Barrow Neurological Institute, and Northwestern University. On multivariate analysis, increased protected research time during residency (OR 1.03, p = 0.044), a higher h-index during residency (OR 1.12, p < 0.001), completing more than one clinical fellowship (OR 2.16, p = 0.024), and attending any of the top 5 programs that graduated the most fellows (OR 2.01, p = 0.0069) were independently associated with an academic career trajectory. CONCLUSIONS: Increased protected research time during residency, a higher h-index during residency, completing more than one clinical fellowship, and attending one of the 5 programs graduating the most fellowship-trained neurosurgical spinal surgeons independently predicted an academic career. These results may be useful in identifying and advising trainees interested in academic spine neurosurgery.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».