Parental leave, childcare policies, and workplace bias for hepatology professionals: A national survey
Notice bibliographique
Résumé
BACKGROUND: The presence of workplace bias around child-rearing and inadequate parental leave may negatively impact childbearing decisions and sex equity in hepatology. This study aimed to understand the influence of parental leave and child-rearing on career advancement in hepatology. METHODS: A cross-sectional survey of physician members of the American Association for the Study of Liver Diseases (AASLD) was distributed through email listserv in January 2021. The 33-item survey included demographic questions, questions about bias, altering training, career plans, family planning, parental leave, and work accommodations. RESULTS: Among 199 US physician respondents, 65.3% were women, and 83.4% (n = 166) were attendings. Sex and racial differences were reported in several domains, including paid leave, perceptions of bias, and child-rearing. Most women (79.3%) took fewer than the recommended 12 paid weeks of parental leave for their first child (average paid leave 7.5 wk for women and 1.7 for men). A majority (75.2%) of women reported workplace discrimination, including 83.3% of Black and 62.5% of Hispanic women. Twenty percent of women were asked about their/their partners' pregnancy intentions or child-rearing plans during interviews for training. Women were more likely to alter career plans due to child-rearing (30.0% vs. 15.9%, p = 0.030). Women were also more likely to delay having children than men (69.5% vs.35.9%). CONCLUSIONS: Women reported sex and maternity bias in the workplace and during training interviews, which was more frequently experienced by Black and Hispanic women. As two-thirds of women had children during training, it is a particularly influential time to reevaluate programmatic support to address long-term gender disparities in career advancement.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».