Is authorship by women in Brazilian academic surgery increasing? A five-year retrospective analysis
Notice bibliographique
Résumé
Women remain underrepresented in 80% of Brazilian surgical specialties, however, women representation within the Brazilian academic surgical literature remains unknown. This study aims to evaluate the gender distribution of first and last authors in Brazilian surgical journals. All publications between 2015 and 2019 from the five Brazilian surgical journals with the highest impact factor were reviewed. The first and last authors' names were extracted from each article and a predictive algorithm was used to classify the gender of each author. Authors were further classified by surgical field and geographic region to investigate patterns of female authorship among journals, specialties, and region over the study period. Multivariable logistic regression was then used to identify factors independently associated with female authorship. 1844 articles were analyzed; 23% (426/1844) articles had female first authors, and 20% (348/1748) had female last authors. Acta Cirúrgica Brasileira was observed to have the highest rates for both first and last female authors (37%, 138/371; 26%, 95/370)) and Revista Brasileira de Ortopedia (9%, 48/542; 10%, 54/522) had the lowest rates. Papers with a woman senior author were twice as likely to have a woman first author (OR 1.98, 95% CI 1.51-2.58, p≤0.01). Women's representation in medicine is increasing in Brazil, yet women remain underrepresented as the first and last authors in the Brazilian surgical literature. Our results highlight the importance of senior women mentorship in academic surgery and demonstrate that promoting female surgeon senior authorship through academic and financial support will positively impact the number of female first authors.
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 | 0,017 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».