Understanding the Canadian Interventional Radiology Landscape Through the Canadian Association of Interventional Radiology Database: A Descriptive Study
Notice bibliographique
Résumé
Background: Physicians in Canada are disproportionately concentrated in urban centers, with rural regions facing significant gaps in specialist care. The geo-spatial characteristics of Interventional Radiology (IR) in Canada have not been systematically studied. This study examines the distribution of Canadian Association of Interventional Radiology (CAIR) members and the sociodemographic characteristics of the populations they serve. Methods: A list of active members of the Canadian Association of IR (CAIR) was obtained in May 2025. Data from the Canadian Census was used to gather census division (CD)-level information on population size and demographics including data on ethnicity, income, education, employment, and income. CDs were grouped and compared between those with access to IR care and those without, compared between top and bottom quartiles for each population characteristic, and mapped. Results: Of 293 CDs in Canada, only 48 (19.6%) had at least one CAIR IR, leaving 31.6% of the national population without local access. CAIR IRs were strongly clustered in high-population CDs, with Toronto, Vancouver, and Montreal alone accounting for 56.5% of IRs. CDs with CAIR IRs had significantly higher mean populations (527 322 vs 47 675; P < .001), median incomes ($82 760 vs $75 821; P = .002), and educational attainment (31% vs 16%; P < .001). Conversely, CDs with higher proportions of the population being Indigenous were less likely to have CAIR IRs (5% vs 14%; P < .001). Conclusion: CAIR member IRs are disproportionately concentrated in large urban centers, leaving substantial geographic disparities. Addressing this maldistribution will require coordinated strategies, including outreach models, telehealth integration, and national workforce planning.
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 | 0,006 | 0,006 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».