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. <b>Methods:</b> Prevalence statistics regarding demographic and work profile were applied to data obtained from a cross-sectional electronic survey of Child Neurology Society (CNS) members. <b>Results:</b> 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. <b>Conclusion:</b> 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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».