Identifying factors influencing specialty choice in urology by female medical students
Notice bibliographique
Résumé
INTRODUCTION: As of 2019, females represented 11% of the urology workforce in Canada. Lack of female role models, quality of life, and gender/sex discrimination may be important deterrent factors to female applicants entering surgical specialties. Limited research exists on which factors are important in choosing urology as a specialty by female applicants. In this study, we aimed to determine which factors affect specialty choice in urology by medical school applicants and to identify any disparities by sex. METHODS: From November 2022 to May 2023, a survey was diffused to medical students enrolled in all Canadian medical schools. The questionnaire included 23 factors that may affect specialty choice. A five-point Likert scale was used to assess each factor's influence on the student's interest in urology. Pearson-Chi squared test was used to compare response rates between sexes. RESULTS: A total of 424 Canadian medical students responded to the survey. Common incentivizing factors for choosing urology as a specialty was medical-surgical approach, doctor-patient relationship, and financial benefits. Common deterrent factors were perception that urology is a male-dominated field, lifestyle of surgical residencies, and lack of female role models in urology. Females were more likely to report lower clinical exposure to urology and be deterred by the male predominance in the field. CONCLUSIONS: While female medical students are more likely to be disincentivized to choose urology as a specialty due to it being a male-dominated field, early exposure through research, role models, or shadowing is essential to incentivize interest in urology among female medical students.
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 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».