Sex, Gender, and Equity in Cardiovascular Medicine, Surgery, and Science in Canada: Challenges, Successes, and Opportunities for Change
Notice bibliographique
Résumé
BACKGROUND: A previous review of sex, gender, and equity within cardiovascular (CV) medicine, surgery, and science in Canada has revealed parity during medical and graduate school training. The purpose of this study was to explore sex and gendered experiences within the Canadian CV landscape, and their impact on career training and progression. METHODS: An environmental scan was conducted of the Canadian CV landscape, which included an equity survey using Qualtrics software. RESULTS: The environmental scan revealed that women remain underrepresented within CV training programs as trainees (12%-30%), program directors (33%), in leadership roles at the divisional level (21%), and in other professional or career-related activities (< 30%). Our analysis also showed improvements of career engagement at these levels of women at over time. The thematic analysis of the equity survey responses (n = 71 respondents; 83% female; 9.7% response rate among female Canadian Cardiovascular Society members) identified the following themes reported within the socio-ecological framework: desire to report inequities vs staying the course (individual level); desire for social support and mentorship and challenges of dual responsibilities (interpersonal level); concerns over exclusionary cliques and desire for respect and opportunity (organizational level); and increasing awareness and actions to overcome institutional barriers and accountability (societal level). CONCLUSIONS: Although women face challenges and remain underrepresented in CV medicine, surgery, and science, this study highlights potential opportunities for improving access of female medical, surgical, and research trainees and professionals to specialized cardiovascular training, career advancement, leadership, and research.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,027 | 0,012 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».