Professional and Demographic Profile of Spanish-Speaking Child Neurologists in the United States
Notice bibliographique
Résumé
ObjectiveTo ascertain the prevalence of culturally native Spanish-speaking child neurologists in the United States. Methods: Prevalence statistics regarding demographic and work profile were applied to data obtained from a cross-sectional electronic survey of Child Neurology Society (CNS) members. Results: Demographics of the 135 respondents were comparable to a similar CNS survey except for ethnicity as shown in Table 1. Fifty- three percent were male and 24% were over age 60. Approximately a quarter were represented each from East, South, Midwest, and Western US. 42% self-identified as Spanish, Hispanic, or Latino. 62% spoke English as their primary language and 39% spoke Spanish as their primary language. Two-thirds graduated from a US medical school, 51% practice general neurology, and epilepsy was the most common subspecialty (18%). Two-thirds of respondents practice at a major teaching hospital, and 93% hold university academic appointments. 79% are AAN members. 76% did not have medical student debt at the time of the survey. 29% report signs consistent with burnout. 87% would choose Child Neurology again and 96% would recommend Child Neurology to a medical student. Conclusion: 40% of survey respondents self-identified as Hispanic, Latino or Spanish and spoke Spanish as the primary language and the majority practice in Academic Medicine. Nearly a third of those in the current survey identify burnout symptoms. Consideration of distinctive language and cultural characteristics across the US may lead to provision of a more patient-centered and equitable care.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».