MétaCan
Menu
Retour à la cohorte
Enregistrement W3186420077 · doi:10.1093/neuonc/noab172

SNO 2020 diversity survey: defining demographics, racial biases, career success metrics and a path forward for the field of neuro-oncology

2021· article· en· W3186420077 sur OpenAlexaff
Ugonma Chukwueke, Elizabeth Vera, Alvina Acquaye, Shawn L. Hervey‐Jumper, Yazmín Odia, Laura J. Klesse, Erin Dunbar, Akanksha Sharma, Ekokobe Fonkem, Alissa A. Thomas, Tamra E. Werbowetski‐Ogilvie, Sandra Camelo‐Piragua, Na Tosha Gatson, Macarena I. de la Fuente, Terri S. Armstrong, Alyx B. Porter, Sadhana Jackson

Notice bibliographique

RevueNeuro-Oncology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institutes of Health
Mots-clésMentorshipDiversity (politics)Ethnic groupOncologyClinical OncologyMedicineInternal medicineMedical educationPsychologyPolitical scienceCancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neuro-oncology has grown tremendously since 2010, marked by increasing society membership, specialized clinical expertise, and new journals. Yet, modest improvement in racial/ethnic diversity amongst clinical trial participants, researchers, and clinicians led us to conduct a survey to identify opportunities to enhance diversity and inclusiveness amongst neuro-oncology professionals. METHODS: In summer 2020, the Women and Diversity Committee of the Society for Neuro-Oncology (SNO) distributed an anonymous online survey to members and affiliates including the European Association of Neuro-Oncology (EANO), Asian Society for Neuro-Oncology (ASNO), Society for Neuro-Oncology Latin America (SNOLA) and Society for Neuro-Oncology Sub-Saharan Africa (SNOSSA). The survey captured personal and professional characteristics, biases, effective mentorship qualities, career service metrics, and suggested field/society changes. Results were analyzed by geography, profession, age, racial/ethnic, and sexual identity. Standard descriptive statistics characterized the study population. RESULTS: The 386 respondents were predominantly female (58%) with a median age range of 40-49 years (31%), White (65%), and SNO members (97%). Most worked in North America (77%) in a research profession (67%). A majority of White respondents reported never experiencing biases (64%), while the majority of non-White respondents reported unconscious biases/microaggressions, followed by a lack of/limited mentorship. Qualitative assessments showcased that personal/professional success metrics were linked to needed improvements in diversity and inclusion efforts within the neuro-oncology field. CONCLUSIONS: The prevalence of racial/ethnic biases and poor mentorship rates amongst underrepresented groups in neuro-oncology is high and potentially linked to the limited diverse representation amongst members and affiliates. These findings warrant a swift implementation of equity and inclusion practices within the neuro-oncology field.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,341
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetDiversity and Career in MedicineTravaux en français237 207