Gender Disparity in Grants and Awards at the National Institute of Health
Notice bibliographique
Résumé
Objective The National Institute of Health (NIH) supports the academic career of scientists across the United States (U.S.). It promotes and sponsors scientists in conducting wide-ranging clinical and basic science research. Depending on the duration, research type, and budget, there are various types of grants awarded by NIH. Despite considerable advancement in biomedical sciences, female researchers remain underrepresented in obtaining NIH funding. Through this study, we aim to highlight the gender trends in NIH funding and grants. By doing this, we aim to facilitate effective future policymaking to help achieve gender parity in NIH grants and awards. Methods The data were obtained from the NIH Research Portfolio Online Reporting Tool (RePORT). The extracted data by gender were tabulated showing percentages of females as Research Grant Investigators, Research Career Development Award Recipients and Kirschstein-National Research Service Award (NRSA) Trainees and Fellows, recipients of Research Grants, Research Project Grants (RPGs), and R01 equivalent grants including types 1 or 2, over two decades (1999-2019). Absolute percentage change was also calculated and included in the tables. Results The percentage of females as NIH Research Grant Investigators has increased at centers, research centers as well as for RPGs and Small Business Innovation Research and Small Business Technology Transfer (SBIR/STTR) programs. For Research Career Development Award Recipients and Kirschstein-NRSA Trainees and Fellows, the proportion of female pre-doctoral institutional trainees, post-doctoral fellows, post-doctoral institutional trainees, mentored research career awardees, and other research career awardees have steadily increased. However, there was a decrease in the percentage of female pre-doctoral fellow awardees. The percentage of females receiving all RPGs, R01-New (type 1) and R01-Renewal (type 2) grants has also decreased. Conclusion Despite an overall increase in the percentage of female researchers successfully receiving NIH grants and awards, they continue to lag compared to their male counterparts. With the increasing number of female doctoral graduates, it is imperative to address this disparity in NIH funding.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».