Analysis of H-index in Assessing Gender Differences in Academic Rank and Leadership in Physical Medicine and Rehabilitation in the United States and Canada
Notice bibliographique
Résumé
OBJECTIVES: The aims of the study were (1) to establish potential gender differences in academic physical medicine and rehabilitation faculty across the United States and Canada and (2) to evaluate associations between physician gender, leadership position, and research productivity. DESIGN: Physical medicine and rehabilitation programs enlisted in Fellowship and Residency Electronic Interactive Database (n = 72) and Canadian Resident Matching Service (n = 9) were searched for academic faculty with Doctor of Medicine degrees to generate a database of gender and academic profiles. Bibliometric data were collected using Elsevier's Scopus and analyzed by Strata v14.2. RESULTS: Of 1045 faculty meeting the inclusion criteria, 653 were men and 392 were women. Men were found in greater numbers across all academic ranks, with professors as most conspicuous (79.14%), and held most (85.54%) leadership positions. The study's prediction model assessed for gender differences in academic rank and leadership roles and found that odds of men having higher h-index as 0.78 (95% confidence interval = 0.24-0.87), indicating that women were not significantly inferior in academic performance. CONCLUSIONS: A significantly greater number of men make up physical medicine and rehabilitation faculty in all academic ranks and leadership positions. H-index based on gender and adjusted for covariates is comparable between men and women, suggesting that more complex, multifactorial issues are likely influencing the gender differences.
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 | 0,003 | 0,003 |
| 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 | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».