Influence of Factors Relating to Sex and Gender on Rank List Decisions and Perceptions of Residency Training: Survey Study
Notice bibliographique
Résumé
BACKGROUND: Females make up more than half of medical school matriculants but only one-third of emergency medicine (EM) residents. Various factors may contribute to why fewer females choose the field of EM, such as the existing presence of females in the specialty. OBJECTIVE: This study is a follow-up to previous work, and a survey is used to assess current residents' attitudes and perceptions on various factors, including those relating to sex and gender on creating rank lists as medical students and in perceived effects on residency education. METHODS: A web-based survey consisting of Likert scale questions regarding a variety of factors influencing a student's decision to create a rank list and in perceived effects on residency education was sent to current EM residents in 2020. RESULTS: Residents from 17 programs participated in the survey with an 18.2% (138/758) response rate. The most important factors in creating a rank list were the personality of residents in the program, location, and facility type. For factors specifically related to gender, respondents who answered affirmatively to whether the gender composition of residents affected the selection of a program in making a rank list were more likely to also answer affirmatively to subsequent questions related to the gender of program leadership (P<.001) and gender composition of attending physicians (P<.001). The personality of residents was also the most important factor perceived to affect residency education. For factors influencing rank list and residency education, female respondents placed higher importance on subcategories related to gender (ie, gender composition of the residents, of the program leadership, and of the attending physicians) to a significant degree compared with their male counterparts. CONCLUSIONS: Although factors such as location and resident personality show the most importance in influencing residency selection, when stratifying based on respondent sex, females tend to indicate that factors relating to gender have more influence on rank list and residency education compared with males.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».