MétaCan
Menu
Retour à la cohorte
Enregistrement W3161293839 · doi:10.7759/cureus.14930

Gender Differences in Research Project Grants and R01 Grants at the National Institutes of Health

2021· article· en· W3161293839 sur OpenAlexaff
Amna Mohyud Din Chaudhary, Sadiq Naveed, Beenish Safdar, Sundas Saboor, Muhammad Zeshan, Faisal Khosa

Notice bibliographique

RevueCureus · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensVancouver General Hospital
Organismes subventionnairesNational Institutes of Health
Mots-clésMedicineLibrary scienceFamily medicineGerontologyMedical educationDemographySociology

Résumé

récupéré en direct d'OpenAlex

Objectives The National Institutes of Health (NIH), which is the world's largest funding source for research, offers various types of competitive grants depending on the duration, research type, and budget. The Research Project Grant (RPG) is the oldest mechanism for grant allocation that is used by the NIH. In this study, we explored the gender trends of NIH RPGs and R01 grants over the last two decades. Methods By utilizing the NIH Research Portfolio Online Reporting Tool (RePORT), data for gender were extracted, and the percentage of women as RPGs Investigators, R01-equivalent grant including R01 type 1 and type 2 grant awardees, from 1998 to 2019 were tabulated. The absolute change was calculated. Results From 1998 to 2019, the percentage of female RPG awardees has increased. However, the success rates for female RPG applicants have decreased during the same period. The funding and success rates for new R01 awards have been similar for both men and women, but women have been less successful at the renewal of R01-equivalent awards. Conclusion Gender disparity exists in awardees of higher RPGs, including the R01 award. This highlights the need for further actions to ensure gender parity in grant allocations at the NIH.

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)0,035
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 seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,535
Tête enseignante GPT0,489
Écart entre enseignants0,046 · 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

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCureusMême sujetDiversity and Career in MedicineTravaux en français237 207