Characteristics of Physician Assistants/Associates in the Uniformed Services
Notice bibliographique
Résumé
OBJECTIVE: Physician assistants/associates (PAs) serve as commissioned medical officers in the uniformed services, supporting readiness, global health operations, and domestic response. Despite their critical contributions, limited data exist to inform strategic workforce planning, recruiting, and retention efforts. MATERIALS AND METHODS: A cross-sectional quantitative analysis was conducted using a 2023 national workforce dataset. We compared the demographic and employment characteristics of PAs on active duty with those not on active duty (N=12,146), using descriptive statistics and bivariate analysis (Pearson chi-square tests for categorical variables and Mann-Whitney tests for continuous variables). RESULTS: The PA Professional Profile data identified 12,146 PAs who reported their armed forces status, with 2,508 (20.6%) indicating they were on active duty, although 9,639 (79.4%) were inactive (retired and veterans). As of 2023, 2,508 active duty PAs served in the Army (52.0%), Air Force (25.8%), Navy/Marines (20.1%), USPHS/NOAA (5.9%), and Coast Guard (3.0%). In terms of demographics, PAs in active duty report a median age of 41, with 29.9% female and 11.6% indicating Hispanic/Latinx ethnicity. Compared to PAs not on active duty, PAs on active duty were more likely to complete a postgraduate fellowship/residency (17.6% vs. 13.9%). Over half of active duty PAs participate in telemedicine. More than a third (37.2%) of active duty PAs report symptoms of burnout, compared to 30.1% of PAs not on active duty. CONCLUSIONS: PAs occupy unique roles in the U.S. government's uniformed services. Federal agencies should enhance PA retention initiatives by addressing workload demands, aligning compensation with responsibilities, expanding leadership and fellowship opportunities, and incorporating flexible, nonclinical career pathways into retention packets. Such strategies are essential to sustain a resilient, skilled, mission-ready uniformed PA workforce.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».