Physical Attractiveness and Chances of Being Invited to Interview With a Medical Residency Program: Retrospective Cohort Study
Notice bibliographique
Résumé
<sec> <title>BACKGROUND</title> Applicants participating in the Residency Match generally submit a photograph through the Electronic Residency Application Service (ERAS). Studies demonstrate that subjectively more attractive applicants are more likely to succeed during job recruitment, including one paper related to the residency match. </sec> <sec> <title>OBJECTIVE</title> This study further investigates the relationship between applicants’ attractiveness and the likelihood that they are invited to interview with a residency program to explore if more attractive applicants are more likely to be invited to interview when controlled for demographic and academic variables. If there is enough data suggesting that ERAS photograph being visible prior to interview gives unfair advantage to more attractive applicants, this practice might be reconsidered by some residency programs or ERAS itself. </sec> <sec> <title>METHODS</title> Residency directors were surveyed on application review practices. Programs that view ERAS photographs prior to deciding whether to invite an applicant to interview were asked to share ERAS files of all reviewed applicants of the 2022 Match. A machine learning model was utilized to determine attractiveness scores for ERAS photographs. The scores ranged from 1 to 10 where 1 is the least attractive and 10 is the most attractive. Multivariable logistic regression analysis was performed considering attractiveness scores, demographics, and professional characteristics. The primary outcome of interest was an invitation to an interview with a residency program. </sec> <sec> <title>RESULTS</title> Residency program response rate was 47.5%. Among 2,681 unique applications to 10 specialties in a single academic health system, the median attractiveness score for all applicants was 6.02. The univariable analysis indicated a 19% higher invitation likelihood with a 1-point increase in attractiveness. After adjusting for demographics and professional experiences, the association lost statistical significance. Additional adjustment for United States Medical Licensing Examination scores further attenuated the association. </sec> <sec> <title>CONCLUSIONS</title> While higher attractiveness scores correlated with increased likelihood of securing an interview, this correlation was not statistically significant after adjusting for other variables. </sec>
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 | 0,002 |
| 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 | 0,001 |
| 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 ».