MétaCan
Menu
Retour à la cohorte
Enregistrement W4403890425 · doi:10.2196/60223

Personality Types of Medical Students in Terms of Their Choice of Medical Specialty: Cross-Sectional Study

2024· article· en· W4403890425 sur OpenAlexvenueno aff
Małgorzata Tobiaszewska, Tytus Koweszko, Jonasz Jurek, Karolina Mikołap, Jacek Gierus, Jantoni Mikulski, Napoleon Waszkiewicz

Notice bibliographique

RevueInteractive Journal of Medical Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintCross-sectional studySpecialtyPersonalityPsychologyMedical educationMedicineSocial psychologyComputer sciencePsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Research on personality types among doctors reveals its impact on medical specialty choices, suggesting that considering personality in career planning may enhance work satisfaction and reduce burnout risks. OBJECTIVE: This study, encompassing 2104 medical students, explores how personality types, traits, and gender relate to specialty preferences. METHODS: Participants of this study were medical students from various universities in Poland. The study surveyed 2104 participants. Each participant completed a general questionnaire and a NERIS Type Explorer personality test, based on the Myers-Briggs Type Indicator inventory and the "Big Five" personality traits concept. The questionnaire was distributed on social media groups for medical students from all Polish universities. An exploratory statistical analysis was performed to find relationships. For each tested relationship a Fisher exact test was conducted and the significance level was P<.05. Each test resulted in a P value and odds ratio (OR) with a CI. To ensure we included undecided students and obtained meaningful data, we allowed participants to select up to three medical specialties from the 77 available in Poland at the time of the study. RESULTS: The findings unveil significant relationships between gender, personality types, traits, and specialty preferences. Women tended to favor Neonatology (OR 9.15, 95% CI 3.02-45.46), while men leaned toward Orthopedics and traumatology of the locomotor system (OR 7.53, 95% CI 4.87-11.94). Extroverted, Intuitive, Feeling, Prospecting, and Turbulent students showed a heightened interest in Psychiatry (OR 2.23, 95% CI 1.64-3.01), whereas Introverted, Observant, Feeling, Judging, and Turbulent types favored Family Medicine (OR 2.98, 95% CI 2.08-4.24) and Pediatrics (OR 2.13, 95% CI 1.51-2.99). CONCLUSIONS: In conclusion, this research establishes a link between personality and medical specialty selection. Taking into account the significant role of personality traits, it should be considered to integrate them into the process of selecting a medical career or designing a medical curriculum. This approach may allow for the customization of programs to match students' traits, thereby cultivating improved clinical communication skills, fostering interprofessional collaboration and ultimately enhancing treatment outcomes and professional fulfillment among physicians. The main limitation of this study is that it was conducted on medical students, who lack the full knowledge of the work as a specific specialist. A study surveying medical doctors with longer internships across different wards could be conducted to check for any variabilities. Moreover, there are other significant factors that influence one's medical specialty choice. Certainly, this area could be further explored.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,067
score de la tête « metaresearch » (Gemma)0,035
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0670,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,570
Écart entre enseignants0,407 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInteractive Journal of Medical ResearchMême sujetDiversity and Career in MedicineTravaux en français237 207