Gender disparity in Canadian Institutes of Health Research funding within neurology
Notice bibliographique
Résumé
BACKGROUND: Despite efforts to advance equity, diversity and inclusion, women face gender-based barriers in research, including in neurology. Compared with men, women are less likely to hold leadership positions and be senior authors. Gender disparities in grant funding within neurology have yet to be investigated. We examine gender disparities in Canadian Institutes of Health Research (CIHR) funding for Canadian neurology divisions and departments. METHODS: Data on CIHR grant recipients and metrics (grant contribution, duration and quantity) within Canadian neurology divisions and departments between 2008 and 2022 were acquired from the CIHR Funding Decisions Database. Gender identity was determined by a validated application programming interface. Gender-based differences in CIHR grant contribution amount, duration and prevalence within neurology were calculated. Subgroup analysis was conducted for Canadian-licensed neurologists and Project Grant awards. RESULTS: 1604 grants were awarded to Canadian neurology divisions and departments between 2008 and 2022. Compared with men, women received less funding (p<0.0001), shorter grant durations (p<0.0001) and fewer grants (41.5%) annually. Women comprised the minority of recipients (45.5%) and were less likely to be awarded grants (p<0.001) annually relative to men. Differences were consistent in subgroup analyses, except for equal grant durations observed across genders in Project Grant awards. CONCLUSION: We report gender disparities in CIHR grant funding to Canadian neurology divisions and departments. Women receive lower contribution amounts, shorter grant durations and fewer grants than men. Future recommendations include addressing gender differences and continuing to evaluate CIHR funding to provide equal opportunities for women in research and funding.
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 | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».