Gender Differences in Authorship of Critical Care Literature
Notice bibliographique
Résumé
Abstract Rationale Gender gaps exist in academic leadership positions in critical care. Peer-reviewed publications are crucial to career advancement, and yet little is known regarding gender differences in authorship of critical care research. Objectives To evaluate gender differences in authorship of critical care literature. Methods We used a validated database of author gender to analyze authorship of critical care articles indexed in PubMed between 2008 and 2018 in 40 frequently cited journals. High-impact journals were defined as those in the top 5% of all journals. We used mixed-effects logistic regression to evaluate the association of senior author gender with first and middle author gender, as well as association of first author gender with journal impact factor. Measurements and Main Results Among 18,483 studies, 30.8% had female first authors, and 19.5% had female senior authors. Female authorship rose slightly over the last decade (average annual increases of 0.44% [P < 0.01] and 0.51% [P < 0.01] for female first and senior authors, respectively). When the senior author was female, the odds of female coauthorship rose substantially (first author adjusted odds ratio [aOR], 1.93; 95% confidence interval [CI], 1.71–2.17; middle author aOR, 1.48; 95% CI, 1.29–1.69). Female first authors had higher odds than men of publishing in lower-impact journals (aOR, 1.30; 95% CI, 1.16–1.45). Conclusions Women comprise less than one-third of first authors and one-fourth of senior authors of critical care research, with minimal increase over the past decade. When the senior author was female, the odds of female coauthorship rose substantially. However, female first authors tend to publish in lower-impact journals. These findings may help explain the underrepresentation of women in critical care academic leadership positions and identify targets for improvement.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».