Balas M, Scheepers RM, Zador Z, Ibrahim GM, Premji L, Witiw CD. Profiling medical specialties and informing aspiring physicians: a data-driven approach. Adv Health Sci Educ Theory Pract. 2023 Sep 12. Epub ahead of print.
背景：医療分野間の相互関係の詳細で偏りのない視点は、学生が将来のキャリアプランについて十分な情報に基づいた意思決定を行うのに役立つであろう。
方法：データ駆動型のアプローチを用いて、異なる医療分野間の相互関係を分解し、労働環境の類似性に基づいてクラスター化した。公に入手可能な集約データベースを統合し、カナダ全土の医師の人口統計学的情報、労働環境、報酬情報を含む単一の豊富なデータセットを作成した。これらのデータは、主に2018年から2019年にかけて、the Canadian Institute for Health Information, the Canadian Medical Association, the Institute for Clinical Evaluative Sciencesから収集された。統合されたデータセットには、それぞれ36の指標変数を持つ25の固有の医療専門分野が含まれる。潜在プロファイル分析（Latent Profile Analysis; LPA）を用いて、専門分野を関連性に基づく明確なクラスターにグループ分けした。
結果：25の専門は、ベイズ情報量基準に基づいて選択された7つのクラスター（潜在変数）に分解された。Kruskal-Wallis検定は、7つのプロファイル間で有意に異なる8つの指標変数を同定した。これらの変数には、収入、仕事環境、支払いスタイルが含まれた。プロファイル間で有意差がなかった変数には、人口統計学、専門職としての満足度、ワークライフバランスの満足度が含まれた。分析された25の医療専門分野は、LPAによってunsupervised mannerで7つのプロファイルにグループ分けされた。
結論：これらのプロファイルは、共通のテーマと一連の指標変数（例：手技に重点を置いた診療、診療所ベースの診療）を共有する、予想される有意義な専門分野群に対応している。これらのプロファイルは、医師志望者が専門分野を絞り込み、選択する際の指針となる。
