“Ardor and diligence”: Quantifying the faculty effort needed in emergency medicine graduate medical education
Notice bibliographique
Résumé
Abstract Objectives Regulatory requirements around protected faculty effort to support graduate medical education (GME) programs have changed. The amount of labor required to run a GME program is unknown. We sought to describe the work performed by program leadership and core faculty in emergency medicine (EM). Methods We performed a prospective survey study of core faculty in EM. Participants completed a demographic questionnaire followed by quarterly time surveys, covering activities in eight domains: evaluation, teaching and education, scholarly activity, service, interview/recruitment, clinical supervision, student responsibilities, and wellness and administration. We collected data from April 2022 to March 2023. We calculated descriptive statistics and used analyses of variance (ANOVA) to assess differences by faculty role and quarter. Results A total of 596 physicians completed the demographic questionnaire and 347 (58.2%) completed at least one quarterly time survey including 142 (41%) females, 48 (14%) program directors (PDs), 84 (24%) assistant/associate program directors (APDs), and 215 (62%) general core faculty (GCF). The mean number of hours per week spent on nonclinical education work was 60 h for PDs, 47 h for APDs, and 44 h for GCF. ANOVA found significant differences in mean hours per week and faculty role in domains of evaluation ( p < 0.001), service ( p = 0.007), and interview/recruitment ( p < 0.001). We detected differences in mean hours per week and quarter in domains of evaluation ( p < 0.001), teaching and education ( p < 0.001), interview and recruitment ( p < 0.001), and clinical supervision ( p < 0.001). Conclusions Running a residency program requires many hours of faculty work, which can vary based on faculty role and time of year. These results can inform decisions regarding faculty support.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».