Feminization of the Rheumatology Workforce: A Longitudinal Evaluation of Patient Volumes, Practice Sizes, and Physician Remuneration
Notice bibliographique
Résumé
OBJECTIVE: To compare differences in clinical activity and remuneration between male and female rheumatologists and to evaluate associations between physician gender and practice sizes and patient volume, accounting for rheumatologists' age, and calendar year effects. METHODS: We conducted a population-based study in Ontario, Canada, between 2000 to 2015 identifying all rheumatologists practicing as full-time equivalents (FTEs) or above and assessed differences in practice sizes (number of unique patients), practice volumes (number of patient visits), and remuneration (total fee-for-service billings) between male and female rheumatologists. Multivariable linear regression was used to evaluate the effects of gender on practice size and volume separately, accounting for age and year. RESULTS: The number of rheumatologists practicing at ≥ 1 FTE increased from 89 to 120 from 2000 to 2015, with the percentage of females increasing from 27.0% to 41.7%. Males had larger practice sizes and practice volumes. Remuneration was consistently higher for males (median difference of CAD $46,000-102,000 annually). Our adjusted analyses estimated that in a given year, males saw a mean of 606 (95% CI 107-1105) more patients than females did, and had 1059 (95% CI 345-1773) more patient visits. Among males and females combined, there was a small but statistically significant reduction in mean annual number of patient visits, and middle-aged rheumatologists had greater practice sizes and volumes than their younger/older counterparts. CONCLUSION: On average, female rheumatologists saw fewer patients and had fewer patient visits annually relative to males, resulting in lower earnings. Increasing feminization necessitates workforce planning to ensure that populations' needs are met.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».