MétaCan
Menu
Retour à la cohorte
Enregistrement W3014290705 · doi:10.1177/0193945920912396

Workforce Diversity in Eating Disorders: A Multi-Methods Study

2020· article· en· W3014290705 sur OpenAlexaff
Karen Jennings Mathis, Carolina Anaya, Betty Rambur, Lindsay P. Bodell, Andrea K. Graham, K. Jean Forney, Seeba Anam, Jennifer E. Wildes

Notice bibliographique

RevueWestern Journal of Nursing Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEating Disorders and Behaviors
Établissements canadiensWestern University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of Mental Health
Mots-clésWorkforceDiversity (politics)Eating disordersWorkforce diversityPsychologyGerontologySocial psychologyNursingClinical psychologyMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Despite growing recognition of the importance of workforce diversity in health care, limited research has explored diversity among eating disorder (ED) professionals globally. This multi-methods study examined diversity across demographic and professional variables. Participants were recruited from ED and discipline-specific professional organizations. Participants' (n = 512) mean age was 41.1 years (SD = 12.5); 89.6% (n=459) of participants identified as women, 84.1% (n = 419) as heterosexual/straight, and 73.0% (n = 365) as White. Mean years working in EDs was 10.7 years (SD = 9.2). Qualitative analysis revealed three themes resulting in a theoretical framework to address barriers to increasing diversity. Perceived barriers were the following: "stigma, bias, stereotypes, myths"; "field of eating disorders pipeline"; and "homogeneity of the existing field." Findings suggest limited workforce diversity within and across nations. The theoretical model suggests a need for focused attention to the educational pipeline, workforce homogeneity, and false assumptions about EDs, and it should be tested to evaluate its utility within the EDs field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,402
Tête enseignante GPT0,574
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWestern Journal of Nursing ResearchMême sujetEating Disorders and BehaviorsTravaux en français237 207