Trends in Leadership Within Orthopedic Foot and Ankle Fellowships
Notice bibliographique
Résumé
BACKGROUND: No study in the orthopedic literature has analyzed the demographic characteristics or surgical training of foot and ankle fellowship directors (FDs). Our group sought to illustrate demographic trends among foot and ankle fellowship leaders. METHODS: The American Orthopaedic Foot & Ankle Society (AOFAS) Fellowship Directory for the 2021 to 2022 program year was queried in order to identify all foot and ankle fellowship leaders at programs currently offering positions in the United States and Canada. Data points gathered included age, sex, race/ethnicity, location of surgical training, time since training completion until FD appointment, length in FD role, and individual research H-index. RESULTS: We identified 68 fellowship leaders, which consisted of 48 FDs and 19 co-FDs. Sixty-five individuals (95.6%) were male, and 3 (4.4%) were female. As regards race/ethnicity, 88.2% of the leadership was Caucasian (n = 60), 7.4% was Asian American (n = 5), 1.5% was Hispanic/Latino (n = 1), and 1.5% was African American (n = 1). The average age was 51.5 years, and the calculated mean Scopus H-index was 15.28. The mean duration from fellowship training to fellowship leader position was 11.23 years. CONCLUSION: Leaders within foot and ankle orthopedic surgery are characterized by research prowess and experience, but demographic diversity is lacking. LEVEL OF EVIDENCE: Level III.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».