MétaCan
Menu
Retour à la cohorte
Enregistrement W3135012815 · doi:10.3171/2020.12.focus20911

Women’s role in neurosurgical research: is the gender gap improving?

2021· article· en· W3135012815 sur OpenAlexaboutno aff
Marta Pastor-Cabeza, Ramón Torné, Roser García‐Armengol, Belén Menéndez-Osorio, Alejandra Mosteiro-Cadaval, A. Bollar, Jordi Rimbau, Rosario Sarabia, Ana Rodríguez-Hernández

Notice bibliographique

RevueNeurosurgical FOCUS · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGender diversitySpecialtyGender gapNeurosurgeryDiversity (politics)PublishingMedicinePsychologyDemographyFamily medicinePolitical scienceSurgerySociologyManagementLawDemographic economics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The percentage of women publishing high-impact neurosurgical research might be perceived as a representation of our specialty and may influence the perpetuation of the existing gender gap. This study investigated whether the trend in women taking lead roles in neurosurgical research has mirrored the increase in female neurosurgeons during the past decade and whether our most prestigious publications portray enough female role models to stimulate gender diversity among the new generation of neurosurgeons. METHODS: Two of the most prominent neurosurgical journals-Journal of Neurosurgery and Neurosurgery-were selected for this study, and every original article that was published in 2009 and 2019 in each of those journals was investigated according to the gender of the first and senior authors, their academic titles, their affiliations, and their institutions' region. RESULTS: A total of 1328 articles were analyzed. The percentage of female authors was significantly higher in Europe and Russia compared with the US and Canada (first authors: 60/302 [19.9%] vs 109/829 [13.1%], p = 0.005; and senior authors: 32/302 [10.6%] vs 57/829 [6.9%], p = 0.040). Significantly increased female authorship was observed from 2009 to 2019, and overall numbers of both first and senior female authors almost doubled. However, when analyzing by regions, female authorship increased significantly only in the US and Canada. Female authors of neurosurgical research articles were significantly less likely to hold an MD degree compared with men. Female neurosurgeons serving as senior authors were represented in only 3.6% (48/1328) of articles. Women serving as senior authors were more likely to have a female colleague listed as the first author of their research (29/97 [29.9%] vs 155/1231 [12.6%]; χ2 = 22.561, p = 0.001). CONCLUSIONS: Although this work showed an encouraging increase in the number of women publishing high-impact neurosurgical research, the stagnant trend in Europe may suggest that a glass ceiling has been reached and further advances in equity would require more aggressive measures. The differences in the researchers' profiles (academic title and affiliation) suggest an even wider gender gap. Cultural unconscious bias may explain why female senior authors have more than double the number of women serving as their junior authors compared with men. While changes in the workforce happen, strategies such as publishing specific issues on women, encouraging female editorials, and working toward more gender-balanced editorial boards may help our journals to portray a more equitable specialty that would not discourage bright female candidates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,042
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0020,003
Communication savante0,0040,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,135
Tête enseignante GPT0,353
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurosurgical FOCUSMême sujetDiversity and Career in MedicineTravaux en français237 207