Gender-Based Discrimination Among Medical Students: A Cross-Sectional Study in Brazil
Notice bibliographique
Résumé
INTRODUCTION: Gender-based discrimination (GBD) creates a hostile environment during medical school, affecting students' personal life and academic performance. Little is known about how GBD affects the over 204,000 medical students in Brazil. This study aims to explore the patterns of GBD experienced by medical students in Brazil. METHODS: This is a cross-sectional study using an anonymous, Portuguese survey disseminated in June 2021 among Brazilian medical students. The survey was composed of 24 questions to collect data on GBD during medical school, formal methods for reporting GBD, and possible solutions for GBD. RESULTS: Of 953 responses, 748 (78%) were cisgender women, 194 (20%) were cisgender men, and 11 (1%) were from gender minorities. 65% (616/942) of respondents reported experiencing GBD during medical school. Women students experienced GBD more than men (77% versus 22%; P < 0.001). On comparing GBD perpetrator roles, both women (82%, 470/574) and men (64%, 27/42) reported the highest rate of GBD by faculty members. The occurrence of GBD by location differed between women and men. Only 12% (115/953) of respondents reported knowing their institution had a reporting mechanism for GBD. CONCLUSIONS: Most respondents experienced GBD during medical school. Cisgender women experienced GBD more than cisgender men. Perpetrators and location of GBD differed for men and women. Finally, an alarming majority of students did not know how to formally report GBD in their schools. It is imperative to adopt broad policy changes to diminish the rate of GBD and its a consequential burden on medical students.
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 | 0,051 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».