Sticky Floor, Broken Ladder, and Glass Ceiling: Gender and Racial Trends Among Neurosurgery Residents
Notice bibliographique
Résumé
Introduction Diversity and equity in academic medicine are critically important in improving healthcare standards and patient-related outcomes. Gender and racial disparities are some major challenges faced by the health system. This article reviews the gender and racial trends among residents of neurosurgery in the United States (US). Methods We retrospectively analyzed the data extracted from the Accreditation Council for Graduate Medical Education (ACGME)'s annual Data Resource Books from 2007 to 2019. ACGME cataloged gender as men and women and race/ethnicity was categorized as White/non-Hispanic, Asian or Pacific Island, Hispanic, Black/non-Hispanic, Native American/Alaskan, others, and unknown. Counts, proportions, relative, and absolute percentage changes were calculated to highlight trends in resident appointments over time and across the specialty of neurosurgery. Results The number of female residents increased steadily from 10.6% in 2007 to 19.3% in 2019; with an absolute increase of 8.74%, a relative increase of 63.9%, and a simultaneous decrease in male residents. When averaged across the nine-year study period, 51% of the study sample was White (non-Hispanic), followed by Asian/Pacific Islanders at 15.2%. The representation of Hispanics was 4.3%, Black/African Americans were 4.5%, Native Americans/Alaskans were 0.2%, and others were 8% of the total study population. Conclusion Our study concludes that gender and racial disparity persist within the neurosurgery residency training programs in the US. Concrete efforts at all academic levels are needed to provide greater support for the females and for the careers of underrepresented minority (URM) trainees to ensure their increased representation in neurosurgery.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».