Gender composition and wage gaps in the Canadian health policy research workforce in comparative perspective
Notice bibliographique
Résumé
BACKGROUND: Gendered challenges have been shown to persist among health practitioners in countries at all levels of development. Less is known about non-clinical professionals, that is, those who do not deliver services directly but are essential to health systems performance, such as health policy researchers. This national observational study examined gender occupational segregation and wage gaps in the Canadian health policy research workforce using a cross-domain comparative labour market analysis approach. METHODS: Sourcing data from the 2016 population census, we applied linear regression and Oaxaca-Blinder decomposition techniques to assess wage differentials by sex, traditional human capital measures (e.g., age, education, place of work), and social identity variables intersecting with gender (household head, childcare, migrant status) among health policy researchers aged 25-54. We compared the gender composition and wage gap with seven non-health policy and programme domains, as mapped under the national occupational classification by similarity in the types of work performed. RESULTS: The health policy research workforce (N = 19 955) was characterized by gender segregation: 74% women, compared with 58% women among non-health policy research occupations (N = 102 555). Women health policy researchers earned on average 4.8% (95% CI 1.5‒8.0%) less than men after adjusting for other professional and personal variables. This gap was wider than among education policy researchers with similar gender composition (75% women; adjusted wage gap of 2.6%). Wages among health policy researchers were 21.1% (95% CI 19.4‒22.8%) lower than their counterparts in the male-dominated economics policy domain, all else being equal. Overall, women's earnings averaged 3.2% lower than men's due to factors that remained unexplained by policy domain or other measured predictors. CONCLUSIONS: This investigation found that the gender inequalities already widely seen among clinical practitioners are replicated among health policy researchers, potentially hindering the competitiveness of the health sector for attracting and retaining talent. Our findings suggest intersectoral actions are necessary to tackle wage gaps and devaluation of female-dominated health professions. Accountability for gender equity in health must extend to the professionals tasked with conducting equity-informative health policy research.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».