Disparities in Radiologist Fee-For-Service Payments by Gender in Canada
Notice bibliographique
Résumé
Objective: To examine differences in fee-for-service (FFS) payments to men and women radiologists in Canada and evaluate potential contributors. Methods: Publicly available FFS radiology billing data was analyzed from British Columbia (BC), Ontario (ON), Prince-Edward Island (PEI) and Nova Scotia (NS) between 2017 and 2021. Data was analyzed by gender on a per-province and national level. Variables evaluated included year, province, procedure billings, and days worked (BC and ON only). The gender pay gap was expressed as the difference in mean billing payments between men and women divided by mean payments to men. Results: Data points from 8478 radiologist years were included (2474 [29%] women and 6004 [71%] men). The unadjusted difference in annual FFS billings between men and women was $126,657. Overall, payments to women were 81% of payments to men with a 19% gender pay gap. The difference in billings between men and women did not change significantly between 2017 and 2021 (range in gender pay gap, 17–21%) but did vary by province (highest gap NS). Compared to men, women worked fewer days per year (weighted mean 218 ± 29 vs 236 ± 25 days/year, P < .001, 8% difference). Conclusion: In an analysis of fee-for-service payments to radiologists in 4 Canadian provinces between 2017 and 2021, payments to women were 81% of payments to men with a 19% gender pay gap. Payments were lower to women across all years evaluated. Women worked 8% fewer days per year on average than men, which did not fully account for the difference in FFS billing payments between men and women. Summary Statement: In an analysis of fee-for-service payments to Canadian radiologists between 2017 and 2021, payments to women were 81% of payments to men with a 19% gender pay gap which is not fully accounted for by time spent working.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».