Working Towards Gender and Racial Diversity in Pediatric Residency Programs in the United States
Notice bibliographique
Résumé
Introduction The gender and racial profile of the pediatric population in the United States (US) is more diverse than that of the pediatricians that cater to their healthcare needs. Gender and racial diversity remains limited among pediatric residents and fellows, faculty, and leadership. Our study objectives were to explore the gender and racial disparity among pediatric residents in the US. Methods This was a retrospective analysis of the Accreditation Council for Graduate Medical Education (ACGME) database. The database encompassed all residents in US pediatrics residency programs from 2007 to 2021, categorizing them into White (non-Hispanic), Asian/Pacific Islander, Hispanic, African American/Black (non-Hispanic), Native American/Alaskan, others (races not included in the mentioned categories), and unknown. Gender was grouped into male, female, and not reported. Results From 2011 to 2021, the greatest increase in relative change (%) was seen for Asian or Pacific Islander (+58.42%), followed by Black (non-Hispanic) (+45.24%), White (non-Hispanic) (+43.37%), and Hispanic (+42.18%) races. The Native American/Alaskan relatively decreased 50%. The representation of female residents relatively increased by 13.27% as compared to the relative increase of male residents (+14.77%) from 2007 to 2021. Conclusion It is imperative to have a healthcare workforce that is representative of the existing communities in the US in terms of race, ethnicity, and gender to provide culturally sensitive care to the diverse patient population of the US.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».