MétaCan
Menu
Retour à la cohorte
Enregistrement W4320912918 · doi:10.1136/bmjopen-2022-067771

Global evidence of gender equity in academic health research: a scoping review

2023· review· en· W4320912918 sur OpenAlexafffund
Andrea C. Tricco, Vera Nincic, Nazia Darvesh, Patricia Rios, Paul A. Khan, Marco Ghassemi, H. Robson MacDonald, Fatemeh Yazdi, Yonda Lai, Rachel Warren, Alyssa Austin, Olga Cleary, Nancy N. Baxter, Karen E. A. Burns, Doug Coyle, Janet Curran, Ian D. Graham, Gillian Hawker, France Légaré, Jennifer Watt, Holly O. Witteman, Jocalyn Clark, Ivy Lynn Bourgeault, Jeanna Parsons Leigh, Sofia B. Ahmed, Karen Lawford, Alice Aiken, Étienne V Langlois, Christopher McCabe, Sasha Shepperd, Becky Skidmore, Reena Pattani, Natalie Leon, Jamie Lundine, Évèhouénou Lionel Adisso, Wafa El-Adhami, Sharon E. Straus

Notice bibliographique

RevueBMJ Open · 2023
Typereview
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity of CalgaryInstitute of Health EconomicsUniversity of AlbertaUniversité LavalOttawa HospitalUniversity of OttawaQueen's UniversityMcMaster UniversityPublic Health OntarioDalhousie UniversityUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health ResearchInstitute of Health EconomicsPublic Health AgencyHealth Research BoardWorld Health Organization
Mots-clésSalaryEquity (law)WorkforceMedicineMentorshipPromotion (chess)Public relationsMedical educationPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To chart the global literature on gender equity in academic health research. DESIGN: Scoping review. PARTICIPANTS: Quantitative studies were eligible if they examined gender equity within academic institutions including health researchers. PRIMARY AND SECONDARY OUTCOME MEASURES: Outcomes related to equity across gender and other social identities in academia: (1) faculty workforce: representation of all genders in university/faculty departments, academic rank or position and salary; (2) service: teaching obligations and administrative/non-teaching activities; (3) recruitment and hiring data: number of applicants by gender, interviews and new hires for various rank; (4) promotion: opportunities for promotion and time to progress through academic ranks; (5) academic leadership: type of leadership positions, opportunities for leadership promotion or training, opportunities to supervise/mentor and support for leadership bids; (6) scholarly output or productivity: number/type of publications and presentations, position of authorship, number/value of grants or awards and intellectual property ownership; (7) contextual factors of universities; (8) infrastructure; (9) knowledge and technology translation activities; (10) availability of maternity/paternity/parental/family leave; (11) collaboration activities/opportunities for collaboration; (12) qualitative considerations: perceptions around promotion, finances and support. RESULTS: Literature search yielded 94 798 citations; 4753 full-text articles were screened, and 562 studies were included. Most studies originated from North America (462/562, 82.2%). Few studies (27/562, 4.8%) reported race and fewer reported sex/gender (which were used interchangeably in most studies) other than male/female (11/562, 2.0%). Only one study provided data on religion. No other PROGRESS-PLUS variables were reported. A total of 2996 outcomes were reported, with most studies examining academic output (371/562, 66.0%). CONCLUSIONS: Reviewed literature suggest a lack in analytic approaches that consider genders beyond the binary categories of man and woman, additional social identities (race, religion, social capital and disability) and an intersectionality lens examining the interconnection of multiple social identities in understanding discrimination and disadvantage. All of these are necessary to tailor strategies that promote gender equity. TRIAL REGISTRATION NUMBER: Open Science Framework: https://osf.io/8wk7e/.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,077
score de la tête « metaresearch » (Gemma)0,218
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,923
Score d'incertitude au seuil0,409

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0770,218
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0400,044
Études des sciences et des technologies0,0030,008
Communication savante0,0120,013
Science ouverte0,0020,009
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,958
Tête enseignante GPT0,767
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeRevue systématique
DomaineIncitatifs
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetDiversity and Career in MedicineTravaux en français237 207