Examining representation of women in leadership of professional medical associations in India
Notice bibliographique
Résumé
Women constitute 70% of the global health workforce but are significantly underrepresented in leadership positions. In India, professional medical associations (PMAs) play a crucial role in shaping policy agenda in the health sector, but very little is known about gender diversity in their leadership. Therefore, we analysed the gender representation of current and past leaderships of Indian PMAs. Data of the current and past national leadership and leadership committees of 46 leading PMAs representing general, specialities, and super-specialities were extracted from their official websites. Gender composition of leadership was analysed using a sequential approach. For Indian Medical Association (IMA), the largest Indian PMA, an analysis of its 32 sub-chapters was also undertaken. The findings revealed that only 9 (19.5%) out of 46 associations are currently led by a woman. Leadership committees of half the associations have less than 20% women, while there were no women in the central committee of nine PMAs. Among past presidents, information was publicly available for 31 associations and all of them have had less than 20% of women presidents till date. Among the 64 individuals currently serving as presidents and secretaries of 32 sub-chapters of IMA, only three (4.6%) are women. Even in associations closely related to women's health, such as obstetrics and gynecology, pediatrics, and neonatology, unequal representation persists, highlighting male dominance. These results demonstrate significant gender disparities in PMA leadership in India, necessitating urgent efforts to promote gender equality. Gender-transformative leadership is crucial to develop gender-sensitive health care policies and practices which can serve as a catalyst for broader societal change.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 ».