The State of Diversity in Academic Plastic Surgery Faculty across North America
Notice bibliographique
Résumé
BACKGROUND: Gender and racial disparity is prevalent in all surgical subspecialties with women and racial groups historically underrepresented in academic plastic surgery. This study evaluated gender and racial profiles of academic plastic surgery faculty in North America and correlated both with research productivity and its effect on academic ranks of faculty in plastic surgery. METHODS: In this cross-sectional study, we compiled a list of accredited medical schools that offer plastic surgery training for residency. Data were collected on demographics, academic rank, and research output using the Doximity, LinkedIn, and Scopus databases. Data analyses were performed with a Mann-Whitney U test and a Kruskal-Wallis test. RESULTS: Women who were black, indigenous, and/or other color occupied only 6.25% of plastic surgery faculty leadership positions in North America. There are more women and underrepresented minorities in leadership positions in Canada, when compared with the USA, relative to each country's demographic. In both countries, women and underrepresented minority plastic surgeons had fewer publications, citations, and years of active research. Interestingly, having women in leadership positions was associated with a higher number of women faculty members. CONCLUSIONS: Gender and racial disparity exist in academic plastic surgery in North America. Several changes are required in order for women and underrepresented minorities in medicine to have an equal chance at career advancement. Better representation and diverse leadership have the potential to bring about equity, diversity, and inclusion in academic plastic surgery.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».