Exploring parity in female authorship of pharmacoepidemiology articles: A case study of the Canadian Network for Observational Drug Effect Studies and its citing articles
Notice bibliographique
Résumé
<p> </p> <p>Purpose</p> <p>The Canadian Network for Observational Drug Effect Studies (CNODES) studies the benefits and risks of post-market drugs and evaluates its research mobilization efforts for accountability, demonstrating value, and learning. As part of these evaluation efforts, and acknowledging gender disparity in authorship across many academic disciplines, CNODES examined the relationship between gender and authorship in its own journal articles and the literature citing them.</p> <p>Methods</p> <p>CNODES articles (published 2012–2017) and all citing articles were identified and extracted using Scopus. Scopus author IDs were used to extract full names and a web service (<a href="http://www.genderapi.com/" target="_blank">www.genderapi.com</a>) was used to estimate gender, converting all probabilities <80% to “indeterminate.” T-tests and visualizations were used to compare the proportion of females between CNODES and the citing literature.</p> <p>Results</p> <p>Twenty-eight CNODES articles and 463 citing articles were identified. The mean number of authors per article was 9.5 in CNODES articles and 5.7 in the citing literature. CNODES articles had a female authorship rate of 36%, compared to 29% in the citing literature (7% difference, 95% CI: [1%, 13%]). There were no female authors in 14% of CNODES articles versus 36% of the citing literature. Women were first authors in 25% and corresponding authors in 14% of CNODES articles.</p> <p>Conclusions</p> <p>This analysis provides a benchmark and method to monitor progress in female parity in pharmacoepidemiology authorship. Further work is needed to determine and address barriers and facilitators to women's recruitment and advancement in the field of pharmacoepidemiology.</p>
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».