MétaCan
Menu
Retour à la cohorte
Enregistrement W3021276380 · doi:10.7759/cureus.7917

Prevalence of Gender Disparity in Professional Societies of Family Medicine: A Global Perspective

2020· article· en· W3021276380 sur OpenAlexaffabout
Aven Sidhu, Sabeena Jalal, Faisal Khosa

Notice bibliographique

RevueCureus · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensVancouver General HospitalFraser Health
Organismes subventionnairesnon disponible
Mots-clésGender disparityMedicineObservational studyProductivityPerspective (graphical)Women PhysiciansGender equalityProfessional associationFamily medicineCross-sectional studyDemographyPublic relationsGender studiesEconomic growthPathologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Introduction Gender disparity in academic and organizational settings has been the topic of numerous studies, which have attributed under representation of females within medicine to both individual and institutional reasons. The main objective of our study was to assess gender disparity in leadership positions in committees of professional societies of family medicine (FM). Methods In this cross-sectional observational study, we collected publicly available information from 3 major FM societies (College of Family Physicians of Canada, the Royal Australian College of General Practitioners, and the World Organization of Family Doctors) and also collected the academic/leadership information for each committee member, including bibliometric parameters of their research productivity. Results In total, our sample size was 960 and composed of 58% men (556) and 42% women (404). There was a significant difference found in all the research productivity variables. Men had a greater number of publications, number of citations, years since first publication, years of active research, and had a larger h-index. Conclusion In conclusion, gender disparity within FM societies is less significant compared to other professional medical societies and creating an environment that supports women and supports research can aid in achieving gender parity.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,285
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,099
Tête enseignante GPT0,380
Écart entre enseignants0,280 · 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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetDiversity and Career in MedicineTravaux en français237 207