An analysis of fellowship training of kidney transplant surgeons in a Brazilian state
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: The lack of specialized professionals potentially contributes to the inability to meet the demand for kidney transplantations. Moreover, there is no universal proposal for the training process of transplantation surgeons. We aimed to explore the characteristics of the training program and professional activities of kidney transplantation teams in the state of Minas Gerais, Brazil. METHODS: We invited the surgeons of all 19 active kidney transplantation centers in Minas Gerais to participate in this cross-sectional study. Demographic and professional training data were compared using linear and logistic regression models. RESULTS: The response rate among the centers was high (89%); half of the surgeons answered the survey (39/78). Most of the centers were public teaching institutions, under a production-based payment contract, with a mean of 6 ± 2.4 surgeons/team; 94.2% of the centers had urologists. The surgeons were 95% male (age of 46.3 ± 9.7 years) and 59% were urologists. Most were involved in organ procurement and transplantation; only one surgeon worked exclusively with transplantation. The mean period since training was 13 ± 9.4 years, with a mean of 10 ± 9.7 years as part of the transplantation team. Only 25.6% had specialized or formal training in transplantation, with only one completing a formal medical residency for kidney transplantation. The lack of training programs was the most frequently cited reason. CONCLUSION: Kidney transplantation surgeons are not exclusive and most have not completed a formal fellowship program in transplantation because they are not available. These data indicate the need to improve training programs and facilitate the formation of new kidney transplantation teams.
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.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découle