An Investigation of Gender Representation and Collaboration in Academic Plastic Surgery Research
Notice bibliographique
Résumé
Background: Gender disparities in academic leadership positions may be influenced by several factors, including research productivity. We aimed to describe the publication gender gap in major plastic surgery journals, assess gender-related and gender-neutral research publications, and identify any potential gender disparities associated with publication characteristics. Methods: For this cross-sectional study, we reviewed all original research publications in Plastic and Reconstructive Surgery , JAMA Facial Plastic Surgery, and Aesthetic Surgery Journal from 2014 through 2018. Genderize.io was used to identify the gender of all authors. Each publication was classified as either gender-neutral, transgender health, women’s health, or men’s health-related based on the article's content. Results: Of the 12,718 authors across 2234 publications analysed, females were first authors in 30%, last authors in 17%, and all authors in 27%. Among the publications, 1782 (79.8%) were focused on gender-neutral, 419 (18.8%) on women's health, 18 (0.8%) on transgender health, and 15 (0.7%) on men's health. Male first authors were more likely to be associated with women's and transgender health articles (OR [95% CI] = 1.4 [1.1-1.8] and OR [95% CI] = 51.0 [47-55], p < .001) and had a higher mean number of citations compared to gender-neutral articles ( p < .001). Male first authors were more likely to be associated with women's and transgender health articles (OR [95% CI] = 1.4 [1.1–1.8] and OR [95% CI] = 51.0 [47–55], p < .001) and had a higher mean number of citations compared to gender-neutral articles ( p < .001). Conclusion: The publication gender gap persists in academic plastic surgery. The academic community should continue to prioritize addressing gender disparity from the perspective of research productivity.
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 | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».