Gender Differences in Faculty Rank and Leadership Positions Among Hematologists and Oncologists in the United States
Notice bibliographique
Résumé
PURPOSE: Gender disparity persists in academic medicine. Female faculty are underrepresented in leadership positions and have lower research output. We studied gender differences in faculty rank and departmental leadership and contributing factors among academic hematologists and oncologists in the United States. METHODS: For clinical faculty at 146 hematology or oncology fellowship programs listed in the Fellowship and Residency Electronic Interactive Database, we collected data on demographics, academic rank, and research output using the Doximity and Scopus databases. We compared unadjusted characteristics of men and women by using 2-sided t tests and χ2 tests where appropriate. To predict probability of full professorship or leadership position among men versus women, we performed multivariable logistic regression analysis adjusted for clinical experience in years, number of publications, h-index, clinical trial investigator status, National Institutes of Health funding, and workplace ranking (top 20 v not). RESULTS: Two thousand one hundred sixty academic hematologists and oncologists were included. Women composed 21.9% (n = 142) of full professors, 35.7% (n = 169) of associate professors, and 45.4% (n = 415) of assistant professors. Thirty percent (n = 70) of departmental leaders were women. Female faculty, compared with male faculty, had a lower mean h-index (12.1 v 20.9, respectively; P < .001) and fewer years of professional experience since fellowship (10 v 16 years, respectively; P < .001). After adjusting for duration of clinical experience, academic productivity, and workplace ranking, the odds of obtaining professorship (odds ratio [OR], 1.05; 95% CI, 0.71 to 1.57; P = .85) or divisional leadership (OR, 0.57; 95% CI, 0.20 to 1.58; P = .28) for female physicians were not different compared with male physicians. CONCLUSION: Gender disparity exists in senior ranks of academic hematology and oncology; however, gender is not a significant predictor in achieving professorship or department leadership position.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».