Characterizing Canadian rural general surgeons: trends over time and 10-year replacement needs
Notice bibliographique
Résumé
Background: Recruiting residents to practise rurally begins with an accurate characterization of rural surgeons. We sought to identify and analyze demographic trends among rural surgeons in Canada and to predict the rural workforce requirements for the next decade. Methods: In this retrospective observational study, we assessed the demographic and practice characteristics of rural general surgeons in Canada, defined as surgeons working in cities with a population of 100 000 or less. Surgeons were identified using the websites of provincial colleges of physicians and surgeons. Demographic characteristics included year and country of medical degree achievement, fellowship status and primary practice location. We developed a model predicting future rural workforce requirements based on the following assumptions: that the current ratio of rural surgeons to rural patients is adequate, that the rural population will increase by 1.1% annually, that a rural surgeon’s career length is 36 years, and that 85 graduates will enter the workforce annually. Results: Our study sample included 760 rural general surgeons. The majority graduated after 1989 (75%), were Canadian medical graduates (73%) and did not complete a fellowship (82%). There was a significant shift toward rural surgeons being trained in Canada, from 37% of surgeons graduating before 1969 to 91% of those graduating after 2009 (p < 0.001). Modelling predicts 282 rural general surgeons will retire by 2031, with 88 new surgeons needed to account for the population growth. Therefore, we predict a demand for 370 rural surgeons over the next decade, meaning 43% of general surgery graduates will need to enter rural practice. Conclusion: Rural general surgeons in Canada vary widely in their background demographic characteristics. Future opportunities in rural general surgery are projected to increase. Recruitment and training of general surgery graduates to serve Canada’s rural communities remains essential.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».