Factors Influencing Practice Decisions Among Plastic Surgery Residents and Early-Career Plastic Surgeons in Canada
Notice bibliographique
Résumé
Introduction: Trends within the Canadian plastic surgery workforce demonstrated that most work in academic or medium-large community practice. Recent studies observed more plastic surgeons are incorporating aesthetics into their practice. This study aims to identify factors influencing how plastic surgery residents and early-career plastic surgeons in Canada choose their eventual practice with respect to practice type and practice location. Methods: A REDCap survey was distributed to plastic surgery residents and early-career plastic surgeons across Canada between February and May 2024. Demographics, training information, career information, and Likert-scale questions for factors involved in decision-making were surveyed. Data analysis included descriptive statistics and Fisher exact tests. Results: There were 45 residents and 30 early-career plastic surgeon respondents. Mixed practices that included aesthetics were the most popular practice types among residents (73%) and early-career surgeons (77%). Half (53%) of early-career surgeons were working in urban settings with more than 1 million people, and 44% of residents desired these locations. Hometown factors heavily influenced practice type and location ( P < .0001), more than training experiences. Positive interactions (94%), operating time (90%), partner opinion (87%), and hospital resources (86%) were ranked as the most important factors involved in practice decisions. Conclusion: Mixed practices that include aesthetics were the most popular among our up-and-coming Canadian workforce, especially in urban settings. These changing practice trends may impact our ability as a specialty to adequately meet the needs of the Canadian population. Recruitment efforts should focus on promoting a supportive workplace and local environment, with adequate operating time and resources.
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 | 0,002 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».