Equity, diversity and inclusion of pediatric clinician–scientists in Canada: a thematic analysis
Notice bibliographique
Résumé
BACKGROUND: Underrepresented voices and perspectives are missing from academic and clinical health sciences. We aimed to define the unique opportunities and challenges of pediatric clinician-scientists related to equity, diversity and inclusion; and to identify key components of training needed to support people from equity-seeking groups as emerging and early-career pediatric clinician-scientists to generate diverse health research leaders in knowledge generation, implementation and translation. METHODS: Using a qualitative descriptive approach, we examined the experiences of clinician stakeholders. Semistructured interviews were conducted with pediatric clinician-scientist stakeholders. Thematic analysis was performed. RESULTS: We interviewed a total of 39 individuals. Our analysis resulted in 4 interrelated themes: the pervasiveness and invisibility of sexism; the invisibility and visibility of racism; proposed individual-level solutions to the sexism and racism; and proposed institutional and system-level changes to address the porous and leaky pipeline. These themes acknowledged that, ultimately, system change is required for addressing equity, diversity and inclusion in clinical and academic training environments. INTERPRETATION: These findings highlight the importance of addressing systemic biases that limit the inclusion of women and racialized individuals in pediatric clinician-scientist careers. Further research is needed to explore the problem of exclusion, which will, in turn, inform education of pediatric clinician-scientists and inform better ways to promote equity, diversity and inclusivity; these steps are needed to foster systemic change in the cultures that perpetuate exclusivity in both academic and clinical communities.
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 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,062 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».