Gender Differences and Predictors of Practice Ownership in a Sample of Ontario Dentists.
Notice bibliographique
Résumé
PURPOSE: To examine the influence of gender on practice ownership among Ontario dentists. METHODS: In 2012, a 52-item survey was sent to a random sample of 3000 Ontario dentists (1500 men and 1500 women) to collect information on personal, professional and sociodemographic characteristics. The resulting data were analyzed using descriptive statistics and linear regression modeling. RESULTS: The 867 respondents included 463 men, 401 women and 3 people whose gender was unreported, yielding a response rate of 29%. Univariate regression analyses revealed that male dentists were 2.2 times more likely to be practice owners than female dentists. Dentists > 60 years were less likely to be owners than younger dentists. The odds of practice ownership were lower for dentists who preferred the ability to secure part-time work. A higher level of confidence in one's business acumen significantly predicted practice ownership. Dentists making concessions in their career to pursue family life were more likely to be associates, and those who perceived that their partners made concessions to aid in their career were more likely to be owners. In multivariate analyses, the effect of gender on practice ownership became insignificant, yet the influence of age, preference for career aspects, confidence in business skills and perceptions regarding concessions by self and partner persisted. Gender-stratified analyses revealed that familial factors significantly predicted ownership for female dentists, but not for male dentists. CONCLUSION: Gender appears to be linked to practice ownership, but when other factors are considered such as age, preference for part-time work, higher levels of confidence in business skills and perceptions of career concessions, the relationship does not remain.
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 | 0,002 | 0,008 |
| 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 | 0,000 | 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 ».