Female Authorship in Radiology: Trends in the Past Decade in CARJ
Notice bibliographique
Résumé
Purpose: To identify trends in female authorship in the Canadian Association of Radiologists Journal (CARJ) from 2010 to 2019. Methods: We retrieved papers published in the CARJ over a 10-year period, and retrospectively reviewed 602 articles. All articles except editorials and advertisements were included. We categorized the names of the first and last position authors as female or male and excluded articles that had at least one author of which gender was not known. We compared the trends in the first and last position authors of the articles from 2010 to 2019. For statistical analysis, logistic regression was performed with reported odds ratios (ORs), and a P value of <.05 was defined as statistically significant. Results: Five hundred thirteen articles met inclusion criteria. Among them, 23 articles with a single author were classified as having only a first author. 39.8% (204/513) of first authors were female and 26.9% (132/490) of last authors were female. There has been an overall temporal increase in the odds of both the first and last author being female in CARJ publications (OR: 1.11, P = .034). Similarly, the odds a CARJ publication’s first author being female increased over time (OR: 1.07, P = .033). Female last author did not predict female first author (OR: 1.48, P = .056). There was no association identified between female last author and year of publication (OR: 1.04, P = .225). Conclusion: There has been an overall increase in engagement of female authorship in CARJ.
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 | 0,004 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,016 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».