Impact of department chair gender on paid parental leave across American anaesthesiology residencies
Notice bibliographique
Résumé
BACKGROUND: Residency training and parenthood are conflicting pursuits for many residents, as both often occur during similar years of life. Online policy about paid parental leave for residents is important for not only mitigating this dilemma, but also ensuring that the associated health benefits can be fully capitalised on. PURPOSE: Investigate the extent of advertised paid parental leave for anaesthesiology residencies in the USA and to explore whether this had an association with the gender of the department chair for these programmes. Analysis of Canadian anaesthesiology residencies was performed to assess whether a nation with federally protected paid parental leave yielded disparate rates of advertised paid parental leave. METHODS: analysis was used to determine if there was a statistically significant association between the gender of anaesthesiology residency department chairs and paid parental leave advertised. Rates of advertised paid parental leave were compared with those seen in Canadian anaesthesiology residencies. RESULTS: US anaesthesiology residency department chairs were 84% (137/164) men. Of the men-led programmes, 42% (58/137) advertised paid parental leave, while 70% (19/27) of women-led programmes advertised such benefits (p<0.05). Overall, 47% of (77/164) of US anaesthesiology residencies advertised paid parental leave, while 76% (13/17) of Canadian anaesthesiology residencies advertised paid parental leave (p<0.05). CONCLUSION: In the USA, anaesthesiology residencies with department chairs held by women had a higher rate of advertised paid parental leave. Such findings call attention to the potential downstream effects of lacking diversity in leadership within medicine. When compared with the USA, Canada was found to have higher rates of advertised paid parental leave across their anaesthesiology residencies, potentially highlighting the impact of federal legislature on medical residents.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».