Methods to increase equity, inclusion, and diversity in Canadian urology programs
Notice bibliographique
Résumé
INTRODUCTION: Women and ethnic minorities are underrepresented at all levels of training and practice in urology residency programs. Equity, diversity, and inclusion (EDI) is a growing field of interest in medical research and business literature, especially regarding recruitment. The objective of this review was to evaluate evidence-based strategies to increase EDI to improve urology residency recruitment. METHODS: A review was conducted using Ovid Medline to identify publications reporting strategies to increase women and underrepresented minorities (URM ) in healthcare fields. An evaluation of business models was incorporated. Identified strategies were sorted and ranked based on how many papers reported an increased proportion of women or URM in their program following implementation. RESULTS: We assessed 234 publications from 1972-2022. Eleven underwent full review. Six additional pieces of business literature were reviewed and incorporated. The following methods were most often identified to increase diversity: mentorship and holistic application review (six publications), as well as funded internship programs and diverse selection committees (four publications). Diversity statements and application blinding were highlighted by multiple business sources but were each only reviewed in one medical publication. CONCLUSIONS: Recommendations identified include mentorship, holistic application review by diverse selection committees with bias training, and development of funded internship programs. Standardized questions and rubrics were also well-studied. Business strategies, such as publishing diversity statements and application blinding, are less studied in medical education literature. This study is unique in its inclusion of both medical and business literature and highlights concrete strategies for urology residency programs to increase EDI during recruitment.
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 | 0,073 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».