COVID-19: a magnifying glass for gender inequalities in medical research
Notice bibliographique
Résumé
The authorship gender gap has been observed in most scientific disciplines, including medicine.For example, the proportion of female first authorship was only 37% in 2014 in six high-impact general medical journals, 1 and 34% in 2006-2008 in five US primary care medical journals.2 The situation appeared, however, to improve in recent years with some disciplines such as pediatrics and primary care demonstrating a reversal in the male/female ratio of first authorship.3,4 The under-representation of women as last authors in biomedical research instead remains, and may be symptomatic of their minority presence among senior faculty members.The aforementioned imbalance appears to apply to the growing field of COVID-19 research as well.Anderson et al demonstrated that female first and last authorship for COVID-19-related publications was respectively 23% and 16% lower than the average female authorship representation in 2019.5 The number of women who authored preprints submitted to arXiv (an online archive for preprints of scientific papers) rose only by 2.7% between 2019 and 2020, compared to a 6.4% rise for men.6 Women represent only a quarter of COVID-19 experts in the media and a quarter of the members of national task forces.7 The situation is likely to worsen in the near future as most of the published studies and recently submitted preprints were planned long before the onset of the pandemic.Although primary care has not received the media attention that intensive care has, primary care physicians have experienced immense increases in workload and changes to workplace practices, even in countries where the pandemic has been well controlled, leaving them little time to pursue research.Both men and women have been affected by COVID-19; however, it is likely that the impact on female primary care physicians is, and will be, more significant.
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 | 0,027 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,016 | 0,009 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,030 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,012 |
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 ».