Academic Neuroradiology: 2023 Update on Turnaround Time, Financial Recruitment, and Retention Strategies
Notice bibliographique
Résumé
The ASNR Neuroradiology Division Chief Working Group's 2023 survey, with responses from 62 division chiefs, provides insights into turnaround times, faculty recruitment, moonlighting opportunities, and academic funds. In emergency cases, 61% aim for a turnaround time of less than 45-60 minutes, with two-thirds meeting this expectation more than 75% of the time. For inpatient CT and MR imaging scans, 54% achieve a turnaround time of 4-8 hours, with three-quarters meeting this expectation at least 50% of the time. Outpatient scans have an expected turnaround time of 24-48 hours, which is met in 50% of cases. Faculty recruitment strategies included 35% offering sign-on bonuses, with a median of $30,000. Additionally, 23% provided bonuses to fellows during fellowship to retain them in the practice upon completion of their fellowship. Internal moonlighting opportunities for faculty were offered by 70% of divisions, with a median pay of $250 per hour. The median annual academic fund for a full-time neuroradiology faculty member was $6000, typically excluding license fees but including American College of Radiology and American Board of Radiology membership, leaving $4000 for professional expenses. This survey calls for further dialogue on adapting and innovating academic institutions to meet evolving needs in neuroradiology.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».