An Update on Gender Disparity in Critical Care Conferences
Notice bibliographique
Résumé
This commentary’s objective was to identify whether female representation at critical care conferences has improved since our previous publication in 2018. We audited the scientific programs from three international (International Symposium on Intensive Care and Emergency Medicine [ISICEM], European Society of Intensive Care Medicine [ESICM], and Society of Critical Care Medicine [SCCM]) and two national (State of the Art [SOA] and Critical Care Canada Forum) critical care conferences from the years 2017 to 2022. We collected data on the number of female faculty members and categorized them into physicians, nurses, allied health professions (AHPs), and other. Across all conferences, there was an increased representation of females as speakers and moderators over the 6 years. However, at each conference, male speakers outnumbered female speakers. Only two conferences achieved gender parity in speakers, SCCM in 2021 (48% female) and 2022 and SOA in 2022 (48% female). These conferences also had the highest representation of female nursing and AHP speakers (25% in SCCM, 2021; 19% in SOA, 2022). While there was a statistically significant increase in female speakers ( p < 0.01) in 2022 compared with 2016, there was a persistent gender gap in the representation of men and female physicians. While the proportion of female moderators increased in each conference every year, the increase was statistically only significant for ISICEM, ESICM, and SCCM ( p < 0.05). The proportion of female nurses and AHP speakers increased in 2022 compared with 2016 ( p < 0.0001) but their overall representation was low with the highest proportion (25%) in the 2022 SCCM conference and the lowest (0.5%) in the 2017 ISICEM conference. This follow-up study demonstrates a narrowing but persisting gender gap in the studied critical care conferences. Thus, a commitment toward minimizing gender inequalities is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».