Assessing sex and gender equity in submission guidelines of radiology journals: A cross-sectional study
Notice bibliographique
Résumé
PURPOSE: Our study aimed to determine the current percentage of gender and sex equity promoting (GSEP) radiology journals, defined as satisfying at least one criterion of the Sex and Gender Equity in Research (SAGER) checklist, published by the European Association of Science Editors (EASE). A secondary objective was to compare characteristics of GSEP and non-GSEP journals. METHODS: A cross-sectional analysis between June 24 and July 3, 2023, was conducted. The author submission guidelines of radiology journals with a 2021 Journal Impact Factor (JIF) were assessed according to the SAGER checklist. GSEP journals were defined as satisfying one or more SAGER checklist criteria in their research instructions. Bibliometric data and journal information were collected from the Journal Citation Reports and National Library of Medicine catalogue. RESULTS: Only 39.7 % (52) of 132 journals satisfied at least one SAGER checklist criterion. Median 2021 JIFs were higher in GSEP journals (4.62, IQR: 3.73 - 5.21) than non-GSEP journals (2.70, IQR: 2.32) (p = 0.00). Median 2021 Journal Citation Index (JCI) scores were higher in GSEP (0.64, 0.56 - 0.73) than non-GSEP journals (0.97, 0.83 - 1.10) (p = 0.00). Cited half-life was shorter for GSEP (5.40, 4.80 - 6.50) than non-GSEP journals (6.70, 5.70 - 7.40) (p = 0.05). Elsevier published 33 of 52 of GSEP journals. CONCLUSION: 60.3% of radiology journals with a 2021 JIF do not meet a single SAGER checklist criterion in their author submission guidelines. GSEP journals had higher impact and source metrics and a shorter cited half-life. Publishers may play a significant role in promoting endorsement of the SAGER checklist in the author submission guidelines of radiology journals.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».