Engaging or Deterring the Next Generation? An Analysis of Fees for Cardiac Surgery Conferences
Notice bibliographique
Résumé
Background: Conferences are valuable platforms for academic discourse. However, trainees, individuals with lower income backgrounds, and attendees from low- and middle-income countries (LMICs) often face significant financial barriers that may limit accessibility to conferences. This study evaluates fees for attending international cardiac surgery conferences to better understand potential financial barriers. Methods: Registration fees for 2022-2023 international cardiac surgery conferences were analyzed. Fees were categorized on the basis of the career stage and society member status of the attendee. Other data collected included the meeting's subspecialty, location, availability of discounts, and virtual components. Results: Seventeen conferences were identified. Discounts are widely available for students, residents, and fellows attending cardiac surgery conferences in 2022-2023. Society member students' fees ranged from US $0 to $390 (median, US $15; interquartile range [IQR], $0-$198). Society member residents' and fellows' fees ranged from US $0 to $795 (median, US $200; IQR, $75-$390). Society member staff's fees ranged from US $200 to $802 (median, US $545; IQR, $441-$608). Four conferences (23.5%) explicitly mentioned discounts for LMIC attendees, whereas 5 conferences (29.4%) mentioned virtual components. Conclusions: Conference fees remain substantial for trainees and LMIC participants, who are respectively burdened with tuition costs and lower incomes and purchasing powers. Conferences should explore avenues to reduce financial barriers to provide more equitable opportunities for current and future generations of cardiac surgeons.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».