Promoting Equity, Diversity, and Inclusion in Medicine: A Comprehensive Toolkit for Change in Radiology
Notice bibliographique
Résumé
This toolkit presents a comprehensive framework for a toolkit intended to increase equity, diversity, and inclusion (EDI) within the medical field and recommendations. We advocate for clear, comprehensive definitions and interpretations of fundamental EDI terms, laying the groundwork necessary for initiating and maintaining EDI initiatives. Furthermore, we offer a systematic approach to establishing EDI committees within medical departments, accentuating the pivotal role these committees play as they drive and steer EDI strategies. This toolkit also explores strategies tailored for the recruitment of a diverse workforce. This includes integral aspects such as developing inclusive job advertisements, implementing balanced search methods for candidates, conducting unbiased appraisals of applications, and structuring diverse hiring committees. The emphasis on these strategies not only augments the diversity within medical institutions but also sets the stage for a more holistic approach to healthcare delivery. Therefore, by adopting the recommended strategies and guidelines outlined in this framework, medical institutions and specifically radiology departments can foster an environment that embodies inclusivity and equity, thereby enhancing the quality of patient care and overall health outcomes.
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 | 0,062 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,005 | 0,020 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».