P.169 Canadian neurosurgical attrition rate: a qualitative exploration
Notice bibliographique
Résumé
Background: Canadian neurosurgery residency programs have an alarming 28.4% attrition rate—seven times higher than the average for most other specialties (1–4%) and double that of US neurosurgery programs. Canadian data for this issue is over 30 years old, highlighting the need for updated research. This study identifies factors contributing to Canadian neurosurgery attrition rates. Methods: Using critical constructivist theory, virtual interviews were conducted with current program directors (PDs) from Canada’s 14 neurosurgery programs and neurosurgery residents who left training between 2013–2023. Interviews were recorded, transcribed, anonymized, and iteratively coded through descriptive thematic analysis to construct an analytical framework. Results: We conducted interviews with 7 PDs and 7 former neurosurgery residents, representing 7 neurosurgery programs across Canada. The average attrition rate was 14.11% (0%–28.6%) from 2013–2023. Contributing factors include poor job prospects in Canada, resource constraints leading to high workloads, poor work-life balance, moral distress due to high levels of patient mortality, and a lack of teaching and support from staff and senior residents. Conclusions: Neurosurgery residents are the future of neurosurgery. Our study uncovers factors contributing to high attrition rates in neurosurgery training, indicating that change must come from provincial governments and within training programs to retain residents.
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 | 0,024 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,029 | 0,010 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».