Predicting a successful match among applicants to reproductive endocrinology and infertility fellowship

Abstract

Objective

To identify independent predictors of a successful match to reproductive endocrinology and infertility (REI) fellowships, and to develop and internally validate a prediction model for REI match results.

Design

Retrospective cohort study.

Subjects

Reproductive endocrinology and infertility fellowship applications sent to the University of Pennsylvania from 2019 to 2023 (excluding 2020), which represented nearly all REI applicants nationally according to National Resident Matching Program data.

Exposure

Demographics, education, training, and academic achievements.

Main Outcome Measure(s)

Match result, confirmed through online search and communication with program administrators. Univariate analyses identified variables associated with match, which were then included in multivariable models to identify independent predictors. Bootstrapping was used to assess model discrimination and calibration. The final model was integrated into a web-based tool.

Result(s)

Of 286 applications (99.0% of REI applications to the National Resident Matching Program), 199 (69.6%) resulted in a successful match. In univariate analyses, variables associated with match were younger age, attendance at an allopathic US medical school, United States Medical Licensing Examination (USMLE) and Council on Resident Education in Obstetrics and Gynecology scores, residency rank, residency affiliation with a fellowship, research experiences, first-author publications, abstracts/articles in progress, and poster presentations. In the adjusted model, independent predictors of match included residency affiliation with an REI fellowship (adjusted odds ratio [aOR], 5.43; 2.02–14.64), residency rank (aOR, 1.77; 1.25–2.50), USMLE score (aOR, 1.05; 1.02–1.08), at least one first-author publication (aOR, 2.32; 1.08–4.96), projects in progress (aOR, 1.26; 1.02–1.55), and poster presentations (aOR, 1.07; 1.00–1.15). Attendance at an international medical school was a negative predictor (aOR, 0.32; 0.11–0.88). The model achieved an area under the curve of 0.883, with 88.5% sensitivity and 65.8% specificity. A refined model without USMLE scores maintained strong performance (C-statistic, 0.85; 0.81–0.91; calibration slope, 0.91; 0.72–1.24).

Conclusion(s)

Affiliation with an REI fellowship, residency reputation, and research output strongly predicted match success. Gender, race, and ethnicity were not major predictors, yet underrepresentation of certain racial and ethnic groups limited the power to detect potential differences. Our prediction model correctly classified >75% of candidates’ match results. These findings may help candidates optimize applications and estimate chances of a successful match into REI fellowship, as well as assist programs in critically reviewing their selection criteria for fellowship match.

Predicción de un matching satisfactorio entre solicitantes de endocrinología reproductiva e infertilidad

Objetivo

Identificar predictores independientes de una buena compatibilidad con las becas de endocrinología reproductiva e infertilidad (REI), y desarrollar y validar internamente un modelo de predicción de los resultados de las becas REI.

Diseño

Estudio de cohortes retrospectivo.

Entorno

Institución universitaria.

Participantes

Solicitudes de becas de endocrinología reproductiva e infertilidad enviadas a la Universidad de Pensilvania de 2019 a 2023 (excluyendo 2020), que representaban a casi todos los solicitantes de REI a nivel nacional según los datos del Programa Nacional de Matching de Residentes.

Intervención(es)

Demografía, educación, formación y logros académicos.

Medida(s) de resultado principal(es)

Resultado del matching, confirmado mediante búsqueda on-line y comunicación con los administradores del programa. Los análisis univariantes identificaron variables asociadas con la compatibilidad, que luego se incluyeron en modelos multivariables para identificar predictores independientes. Se utilizó Bootstrapping para evaluar la discriminación y calibración del modelo. El modelo final se integró en una herramienta web.

Resultados

De 286 solicitudes (99,0% de las solicitudes de REI al Programa Nacional de Matching de Residentes), 199 (69,6%) resultaron en una compatibilidad exitosa. En los análisis univariantes, las variables asociadas al matching fueron la menor edad, la asistencia a una facultad de medicina alopática estadounidense, las puntuaciones obtenidas en el United States Medical Licensing Examination (USMLE) y el Council on Resident Education in Obstetrics and Gynecology, el rango de la residencia, la afiliación de la residencia a una beca de investigación, la experiencia investigadora, publicaciones como primer autor, resúmenes/artículos en curso y presentaciones de pósteres. En el modelo ajustado, los predictores independientes de compatibilidad incluían la afiliación de la residencia a una beca REI (odds ratio ajustada [aOR], 5,43; 2,02-14,64), el rango de la residencia (aOR, 1,77; 1,25-2,50), la puntuación en el USMLE (aOR, 1,05; 1,02-1,08), al menos una publicación como primer autor (aOR, 2,32; 1,08-4,96), proyectos en curso (aOR, 1,26; 1,02-1,55) y presentaciones de pósteres (aOR, 1,07; 1.00-1.15). La asistencia a una facultad de medicina internacional fue un predictor negativo (aOR, 0,32; 0,11-0,88). El modelo alcanzó un área bajo la curva de 0,883, con una sensibilidad del 88,5% y una especificidad del 65,8%. Un modelo refinado sin las puntuaciones USMLE mantuvo (estadístico C, 0,85; 0,81-0,91; pendiente de calibración, 0,91; 0,72-1,24).

Conclusiones

La afiliación a una beca REI, la reputación de la residencia y la producción investigadora predijeron fuertemente el éxito del emparejamiento. El sexo, la raza y el origen étnico no fueron predictores importantes, aunque la infrarrepresentación de ciertos grupos raciales y étnicos limitó la capacidad de detectar posibles diferencias. Nuestro modelo de predicción clasificó correctamente más del 75% de los resultados de los candidatos. Estos resultados pueden ayudar a los candidatos a optimizar sus solicitudes y a estimar las probabilidades de éxito de una beca REI, así como ayudar a los programas a revisar críticamente sus criterios de selección para la asignación de becas.