Using community data to inform medical school admissions: a cohort study of medical students in Ottawa, Canada
Notice bibliographique
Résumé
Background: To advance social accountability in our medical school admissions, this study aims to examine how sociodemographic profiles of students admitted to undergraduate medicine at the University of Ottawa compare to those of the Ottawa regional community. Methods: Weconducted a cohort study of our 2023 first-year MD students. We used data from the Ontario Medical Student Applicant Service and the Ottawa Neighbourhood Study to descriptively compare nine sociodemographic factors. Results: Of 183 students, our cohort demonstrated greater diversity in non-official first languages, second and third-generation status, and non-White racial identities. However, Black students (4.4% vs. 6.3%) were underrepresented, and Indigenous students (4.4% vs. 3.2%) were likely underrepresented given the known underreporting of Indigenous identity in census data. Students from the highest-earning households (32.8% vs. 13.2%), and with parents working in education (30.1% vs 16.5%) or health (15.8% vs 7.5%) professions were overrepresented. Conclusions: This study demonstrates student underrepresentation for some sociodemographic factors and serves as an approach for other medical schools to consider admissions representation using local data.
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 | 0,015 | 0,242 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».