A Canadian National Survey Study of Harassment in Surgery—Still a Long Way to Go
Notice bibliographique
Résumé
OBJECTIVES: Previous literature has consistently documented harassment and discrimination in surgery. These experiences may contribute to the continuing gender inequity in surgical fields. The objective of our study was to survey Canadian surgeons and surgical trainees to gain a greater understanding of the experience of harassment across genders, career stage, and specialty. METHODS: A cross-sectional, online survey was distributed to Canadian residents, fellows, and practicing surgeons in general surgery, plastic surgery, and neurosurgery through their national society email lists and via social media posts. RESULTS: There were 194 included survey respondents (60 residents, 11 fellows, and 123 staff) from general surgery (44.8%), plastic surgery (42.7%), and neurosurgery (12.5%). 59.8% of women reported having experienced harassment compared to only 26.0% of men. Women were significantly more likely to be harassed by colleagues and patients/families compared to men. Residents (62.5%) were two times more likely to report being harassed compared to fellows/staff (38.3%). Residents were significantly more likely to be harassed by patients/families while fellows/staff were more likely to be harassed by colleagues. There were no significant differences in self-reported harassment across the three surgical specialties. There was no significant difference in rates of reported harassment between current residents (62.5%), and fellow/staff recollections of their experiences of harassment during residency (59.2%). CONCLUSIONS: The prevalence of gender-based discrimination remains high and harassment prevalence remains largely unchanged from when current staff were in residency. Our findings highlight a need to implement systemic changes to support the increasing number of women entering surgery, and to improve surgical culture to continue to attract the best and brightest to 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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,013 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».