Evidence of Differential Attainment in Canadian Medical School Admissions: A Scoping Review
Notice bibliographique
Résumé
PURPOSE: In Canada, many groups (e.g., Black, Indigenous, rural backgrounds) have historically faced and continue to encounter systemic barriers in accessing the medical profession. These barriers often manifest in performance disparities, known as differential attainment, during medical school admissions. This scoping review summarizes the nature and extent of evidence on the association of differential attainment in medical school admissions selection tools and outcomes with applicant social identity in the Canadian context. METHOD: The authors used Arksey and O'Malley's scoping review framework to summarize research studies published between 2000 and 2022 with empirical evidence of differential attainment in admissions selection tools and outcomes with respect to a range of applicant social identity categories. The authors recorded whether studies adopted a structuralist and/or intersectional perspective. RESULTS: Ultimately, 15 studies were included in the review. While the evidence on differential attainment associated with social identity in Canadian medical education was heterogeneous, numerous studies highlight differential attainment in the admissions process associated with applicant race and/or ethnicity (6 studies), age (5 studies), gender (4 studies), socioeconomic status (3 studies), geographic location (4 studies), and rural or urban background (5 studies). These attainment differences were reported at 3 phases of the admissions process (invitation to interview, offer of admission, and acceptance of offer) and were driven by several admissions selection tools, including grade point average, Medical College Admission Test score, and interview performance. CONCLUSIONS: The review highlights evidence that suggests systemic, structural inequities in admissions systems manifest as differential attainment in Canadian medical school admissions. Based on this evidence, those who identify as Black or Indigenous and those with low socioeconomic status or rural backgrounds were generally more adversely affected. Admission practices must be studied and improved so medical education systems can better avow equality and human dignity and achieve equity goals.
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 | 0,003 | 0,227 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,173 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».