Career Needs Assessment for Early Career Academic Surgeons Using a Modified Accelerated Delphi Process
Notice bibliographique
Résumé
INTRODUCTION: Over the past 2 decades, physicians' wellbeing has become a topic of interest. It is currently unclear what the current needs are of early career academic surgeons (ECAS). METHODS: Consensus statements on academic needs were developed during a Delphi process, including all presenters from the previous European Surgical Association (ESA) meetings (2018-2022). The Delphi involved (1) a literature review, (2) Delphi form generation, and (3) an accelerated Delphi process. The Delphi form was generated by a steering group that discussed findings identified within the literature. The modified accelerated e-consensus approach included 3 rounds over a 4-week period. Consensus was defined as >80% agreement in any round. RESULTS: Forty respondents completed all 3 rounds of the Delphi. Median age was 37 years (interquartile range 5), and 53% were female. Majority were consultant/attending (52.5%), followed by PhD (22.5%), fellowship (15%), and residency (10%). ECAS was defined as a surgeon in 'development' years of clinical and academic practice relative to their career goals (87.9% agreement). Access to split academic and clinical contracts is desirable (87.5%). Consensus on the factors contributing to ECAS underperformance included: burnout (94.6%), lack of funding (80%), lack of mentorship (80%), and excessive clinical commitments (80%). Desirable factors to support ECAS development included: access to e-learning (90.9%), face-to-face networking opportunities (95%), support for research team development (100%), and specific formal mentorship (93.9%). CONCLUSION: The evolving role and responsibilities of ECAS require increasing strategic support, mentorship, and guidance on structured career planning. This will facilitate workforce sustainability in academic surgery in the future.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».