Diversity gaps among practicing ophthalmologists in Canada: a landscape study
Notice bibliographique
Résumé
OBJECTIVE: Outline geographic disparities in access to language-and gender-concordant ophthalmologic care in Canada. DESIGN: Cross-sectional. PARTICIPANTS: Practicing ophthalmologists in Canada (September 2023). METHODS: Data on ophthalmologists, including demographics, languages spoken, and practice locations, were collected from provincial regulatory body websites. Population data were extracted from the 2021 Statistics Canada Census. Ratio of ophthalmologists-to-potential patients and mean distances (absolute, population-weighted) to gender- and language-concordant care were calculated. The five most common languages spoken in the included provinces were analyzed. RESULTS: There were 986 and 1338 ophthalmologists in the language and gender analysis, respectively. Few ophthalmologists spoke non-official languages in Saskatchewan, Manitoba, and Nova Scotia. In a population-weighted analysis, the distance to a language-concordant ophthalmologist were 4.55 times greater for Spanish speakers compared to their English counterparts. Cantonese speakers had the shortest distances to language-concordant care but were still had 40% greater distance than English speakers in the same regions. Despite French-speaking ophthalmologists being the most prevalent per 100 000 speakers, francophones outside Quebec endured distances over double that of anglophones to access language-concordant care. Females in Newfoundland and Saskatchewan faced the longest distances to access gender-concordant care. In Ontario, females may face 3 times the distance to gender-concordant ophthalmologists compared to males. Quebec approaches gender parity with a male-to-female ratio of 55:45. CONCLUSIONS: The results highlight the disparities in accessibility to non-English ophthalmologic care and the underrepresentation of female ophthalmologists across Canada. These disparities underscore the need for targeted strategies to ensure that the ophthalmologic workforce mirrors the demographic of the population it serves.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».