Leadership Gender Disparity Within Research-Intensive Medical Schools: A Transcontinental Thematic Analysis
Notice bibliographique
Résumé
BACKGROUND: The underrepresentation of women in senior leadership positions of academic medicine continues to prevail despite the ongoing efforts to advance gender parity. Our aim was to compare the extent of gender imbalance in the leadership of the top 100 medical schools and to critically analyze the contributing factors through a comprehensive theoretical framework. METHODS: We adopted the theoretical framework of the Systems and Career Influences Model. The leadership was classified into four tiers of leadership hierarchy. Variables of interest included gender, h-index, number of documents published, total number of citations, and number of years in active research. A total of 2448 (77.59%) men and 707 (22.41%) women met the inclusion criteria. RESULTS: Male majority was found in all regions with a significant difference in all levels of leadership (chi square = 91.66; P value = .001). Women had a lower mean h-index across all positions in all regions, and when we adjusted for number of years invested, M Index for women was still significantly lower than men (T test = 6.52; P value = .02). DISCUSSION: Organizational and individual influences are transcontinental within the top 100 medical school leadership hierarchy. Those factors were critically assessed through in-depth analysis of the Systems and Career Influences Model. Evidence-driven actionable recommendations to remedy those influences were outlined.
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 | 0,030 | 0,005 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».