P.113 Mind the gap: illuminating gender disparities in neurosurgical inclusion and diversity
Notice bibliographique
Résumé
Background: Gender disparities endure in neurosurgery, impacting the experiences of female practitioners. Unveiling these challenges is crucial for promoting inclusivity and addressing the unique obstacles faced by women in the field. Methods: An international survey designed using a physician wellness framework was sent to neurosurgeons between June 2021 and November 2021. Univariate analysis (Kruskal-Wallis Test) was performed to assess feelings of inclusion and diversity as a function of gender. Results: Of the total 384 respondents (65% neurosurgeons, 6% fellows, and 29% residents), 71% identified as male, 27% as female, and 2% as other. Compared to their male colleagues, female neurosurgeons more strongly endorsed feeling that their career progression has been limited by their gender (p<0.05) and were less likely to feel entrusted in their surgical ability (p<0.05) or to have equal access to surgical resources (p<0.05). Furthermore, they were less likely to endorse feelings that leaders in their department were committed to creating an inclusive environment (p<0.05). Conclusions: Our survey sheds light on significant gender-related disparities in neurosurgery. Female neurosurgeons express heightened concerns about gender-limiting career progression, reduced trust in their surgical abilities, and disparities in resource access. These findings underscore the imperative to foster a more inclusive and supportive environment within the field.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».