The Intersection of Race and Sex: A New Perspective Into Diversity Trends in Orthopaedic Surgery
Notice bibliographique
Résumé
INTRODUCTION: Studies on diversity in orthopaedic surgery have exclusively examined challenges from a race or sex perspective. This study examines trends in the diversity of entering orthopaedic surgery residents from the intersection of race and sex. METHODS: The American Association of Medical Colleges was queried for individuals entering orthopaedic surgery residencies in the United States from 2001 to 2020. Deidentified data on self-reported sex and race were collected. Proportions by the intersection of sex and race were calculated for 5-year intervals. RESULTS: From 2001 to 2020, most of the new female residents identified as White (mean, 71.0%). The average proportion of White female residents was lower in 2016 to 2020 than in 2001 to 2005 (71.0% vs. 73.2%) but higher than that in 2011 to 2015 (66.8%). The 2016 to 2020 average was lower than that of 2001 to 2005 for those who identified as Asian (11.7% vs. 14.9%), Black (4.1% vs. 4.8%), Hispanic (3.0% vs. 4.4%), and American Indian/Alaska Native (0.0% vs. 1.5%). Most of the new male orthopaedic surgery residents from 2001 to 2020 identified as White (mean, 74.1%), but the average decreased across every 5-year interval from 2001 to 2005 (76.1%) to 2016 to 2020 (71.1%). The 2016 to 2020 average was lower than that of 2001 to 2005 for those who identified as Asian (12.2% vs. 13.6%), Black (3.5% vs. 4.2%), Hispanic (3.0% vs. 3.4%), American Indian/Alaska Native (0.0% vs. 0.6%), and Native Hawaiian/Other Pacific Islander (0.1% vs. 0.3%). In 2020, White male residents made up to 54.2% of new residents. White female residents were the second highest group represented (12.1%). CONCLUSION: Increases in representation were observed for some subgroups of new orthopaedic surgery residents from 2001 to 2020. Although the proportion of both White female and male residents decreased by 11.5% during the 20-year study period, these individuals still made up most of the trainees in 2020. These results underscore the need for conversations and recruitment practices to take into consideration the intersectionality of identities.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,010 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».