MétaCan
Menu
Retour à la cohorte
Enregistrement W4384941137 · doi:10.30770/2572-1852-109.2.13

FSMB Census of Licensed Physicians in the United States, 2022

2023· article· en· W4384941137 sur OpenAlexaboutno aff
Aaron Young, Xiaomei Pei, Katie Arnhart, Jeffrey D. Carter, Humayun J. Chaudhry

Notice bibliographique

RevueJournal of Medical Regulation · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCensusWorkforcePopulationQuarter (Canadian coin)TelehealthPandemicHealth carePopulation ageingMedicineAging in the American workforceBusinessFamily medicineCoronavirus disease 2019 (COVID-19)GeographyPolitical scienceTelemedicineEnvironmental healthLaw

Résumé

récupéré en direct d'OpenAlex

There are 1,044,734 licensed physicians in the United States and District of Columbia, a physician workforce 23% larger than in 2010, based on data supplied by the nation's state medical and osteopathic boards. Despite an impending shortage of physicians nationwide, the licensed physician population has grown relative to the nation's total population, and since the last census in 2020 there have been significant increases in the number of new licenses issued by state medical boards—a trend driven predominantly by the use of telehealth services at levels significantly higher than prior to the COVID-19 pandemic. Nearly one-quarter (24%), or 247,424, of the nation's physicians hold two or more active licenses, up from 23% in 2020, and state medical boards issued a record high of 129,427 new licenses in 2022, an increase of 27% from 2020. A demographic transition towards an older population in the United States is increasing as the demand for healthcare services continues to raise concerns about physician shortages. The physician population is aging alongside the general population, with the number of licensed physicians aged 60 years and older increasing by 54% since our 2010 census. The pandemic exacerbated the strains of an aging population on the entire healthcare system and physician workforce.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,431

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,014

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 Opus0,040
Tête enseignante GPT0,341
Écart entre enseignants0,302 · 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

Citations32
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical RegulationMême sujetDiversity and Career in MedicineTravaux en français237 207