Projected timeline to achieve gender balance within the United States neurosurgical workforce exceeds 150 years: a National Plan and Provider Enumeration System analysis
Notice bibliographique
Résumé
OBJECTIVE: Despite incremental progress in the representation and proportion of women in the field of neurosurgery, female neurosurgeons still represent an overwhelming minority of the current US physician workforce. Prior research has predicted the timeline by which the proportion of female neurosurgery residents may reach that of males, but none have used the contemporary data involving the entire US neurosurgical workforce. METHODS: The authors performed a retrospective analysis of the National Plan and Provider Enumeration System (NPPES) registry of all US neurosurgeons to determine changes in the proportions of women in neurosurgery across states, census divisions, and census regions between 2010 and 2020. A univariate linear regression was performed to assess historical growth, and then Holt-Winter forecasting was used to predict in what future year gender parity may be reached in this field. RESULTS: A majority of states, divisions, and regions have increased the proportion of female neurosurgeons from 2010. Given current growth rates, the authors found that female neurosurgeons will not reach the proportion of women in the overall medical workforce until 2177 (95% CI 2169-2186). Furthermore, they found that women in neurosurgery will not match their current proportion of the overall US population until 2267 (95% CI 2256-2279). CONCLUSIONS: Whereas many studies have focused on the overall increase of women in neurosurgery in the last decade, this one is the first to compare this growth in the context of the overall female physician workforce and the female US population. The results suggest a longer timeline for gender parity in neurosurgery than previous studies have suggested and should further catalyze the targeted recruitment of women into the field, an overhaul of current policies in place to support and develop the careers of women in neurosurgery, and increased self-reflection and behavioral change from the entire neurosurgery community.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».