Gender Bias in Collaborative Medical Decision Making: Emergent Evidence
Notice bibliographique
Résumé
This initial, exploratory study on gender bias in collaborative medical decision making examined the degree to which physicians' reliance on a team member's patient care advice differs as a function of the gender of the advice giver. In 2018, 283 anesthesiologists read a brief, online clinical vignette and were randomly assigned to receive treatment advice from 1 of 8 possible sources (physician or nurse, man or woman, experienced or inexperienced). They then indicated their treatment decision, as well as the degree to which they relied upon the advice given.The results revealed 2 patterns consistent with gender bias in participants' advice taking. First, when treatment advice was delivered by an inexperienced physician, participants reported replying significantly more on the advice of a man versus a woman, F(1,61) = 4.24, P = .04. Second, participants' reliance on the advice of the woman physician was a function of her experience, F(1,62) = 6.96, P = .01, whereas reliance on the advice of the man physician was not, F(1,60) = 0.21, P = .65.These findings suggest women physicians, relative to men, may encounter additional hurdles to performing their jobs, especially at early stages in their careers. These hurdles are rooted in psychological biases of others, rather than objective features of cases or treatment settings. Cultural stereotypes may shape physicians' information use and decision-making processes (and hinder collaboration), even in contexts that appear to have little to do with social category membership. The authors recommend institutions adopt policies and practices encouraging equal attention to advice, regardless of the source, to help ensure advice taking is a function of information quality rather than the attributes of the advice giver. Such policies and practices may help surface and implement diverse expert perspectives in collaborative medical decision making, promoting better and more effective patient care.
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 | 0,139 | 0,428 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».