The development of the neurosurgery workforce in Austria over the past quarter century: is more always better?
Notice bibliographique
Résumé
Background The neurosurgical workforce has expanded markedly across Europe, often accompanied by declining operative exposure per surgeon. Austria, with one of the highest physician and hospital bed densities in the OECD, provides an important case study to assess whether workforce expansion has translated into proportional service provision and maintained training opportunities. Methods We performed a retrospective, nationwide analysis of official health statistics from Statistik Austria covering 1997–2023. Data included numbers of practicing neurosurgeons, all specialist physicians, population counts, neurosurgical beds, inpatient stays, and cranial procedures. Absolute and per-capita developments were assessed, and services were related to neurosurgeon density. Statistical analyses comprised Kendall’s tau-b, Wilcoxon signed-rank, and Friedman tests. Results The number of practicing neurosurgeons in Austria increased from 97 in 1997 to 301 in 2023 (+ 210.3%), rising from 1.22 to 3.30 per 100,000 inhabitants (+ 170.5%). Growth in neurosurgeon density significantly outpaced both population growth (+ 14.3%) and the overall increase of specialist physicians (+ 77.4%, p = 0.001). Despite this expansion, absolute service provision showed only negligible to moderate increases (beds + 4.7%, inpatient stays + 28.6%, cranial procedures + 0.1%). Adjusted for workforce size, services per neurosurgeon declined sharply: cranial procedures decreased by –67.8%, inpatient stays by –58.6%, and neurosurgical bed capacity per surgeon by –66.3% (all p < 0.001). Regional disparities were pronounced, with Salzburg reaching 6.51 neurosurgeons per 100,000 while Burgenland registered its first only in 2012 and still shows the nationwide lowest density of 1.00 per 100,000. Conclusion Austria has experienced rapid workforce growth without a parallel rise in neurosurgical case volume, resulting in declining operative exposure per surgeon. These findings highlight risks for training quality, efficiency, and future competitiveness. Evidence-based workforce planning, structured regulation of training intake, and expansion of outpatient neurosurgical services will be essential to ensure sustainable care and safeguard international standards of neurosurgical education.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».