Exploring Motivating Factors for Pursuing Radiation Oncology: A Comparative Analysis of Medical Students and Residents
Notice bibliographique
Résumé
Purpose Increasing medical student (MS) interest in radiation oncology (RO) is important to meet the rising demand for radiation oncologists. Understanding the factors that drive MS to pursue RO is crucial. This study compares motivating factors between MS and RO residents to inform interventions to increase recruitment and sustained interest in the specialty. Methods Data from two similar studies investigating factors motivating MS and residents to pursue RO were analyzed. The first study surveyed Canadian RO residents to characterize enablers when applying for RO residency. The second study analyzed application essays from MS applying to an RO studentship. A mixed methods approach was used to compare themes ("career aspects," "prior exposure," and "personal experiences") between the datasets. Results Qualitative analysis demonstrated that both MS and residents identified "career aspects" as the most common theme facilitating interest in RO careers. "Multidisciplinary work" and "direct clinical contact and patient care" were prominent sub-themes. MS emphasized "serious illness and palliative care" and "advanced technology," while residents prioritized RO as a "rewarding career." "Prior exposure," particularly through shadowing/observerships, was more important for MS than residents who valued clinical experiences. Practical career considerations including "mentorship" and "career satisfaction and lifestyle" were significant motivators for residents. Conclusion MS value content-based aspects of RO and emphasize shadowing. In contrast, RO residents prioritize lifestyle-based considerations. These differences highlight the opportunity for intervention throughout medical training to sustain interest in RO and facilitate applications to RO residency programs.
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 | 0,006 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».