MétaCan
Menu
Retour à la cohorte
Enregistrement W4406712574 · doi:10.1136/bmjopen-2024-086982

Diversity in the medical research ecosystem: a descriptive scientometric analysis of over 49 000 studies and 150 000 authors published in high-impact medical journals between 2007 and 2022

2025· article· en· W4406712574 sur OpenAlexaff
Marie‐Laure Charpignon, João Matos, Luis Filipe Nakayama, Jack Gallifant, Pia Gabrielle I. Alfonso, Marisa Cobanaj, Amelia Fiske, Alexander J. Gates, Frances Dominique V. Ho, Urvish Jain, Mohammad Kashkooli, Naira Link, Liam G. McCoy, Jonathan D. Shaffer, Leo Anthony Celi

Notice bibliographique

RevueBMJ Open · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringFulbright PortugalFundação Luso-Americana para o DesenvolvimentoBroad Institute
Mots-clésMedicineDiversity (politics)Impact factorScale (ratio)Medical journalBibliometricsDescriptive statisticsRepresentation (politics)Family medicineLibrary scienceGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Objectives Health research that significantly impacts global clinical practice and policy is often published in high-impact factor (IF) medical journals. These outlets play a pivotal role in the worldwide dissemination of novel medical knowledge. However, researchers identifying as women and those affiliated with institutions in low- and middle-income countries (LMICs) have been largely under-represented in high-IF journals across multiple fields of medicine. To evaluate disparities in gender and geographical representation among authors who have published in any of five top general medical journals, we conducted scientometric analyses using a large-scale dataset extracted from the New England Journal of Medicine , Journal of the American Medical Association , The BMJ , The Lancet and Nature Medicine . Methods Author metadata from all articles published in the selected journals between 2007 and 2022 were collected using the DimensionsAI platform. The Genderize.io Application Programming Interface was then used to infer each author’s likely gender based on their extracted first name. The World Bank country classification was used to map countries associated with researcher affiliations to the LMIC or the high-income country (HIC) category. We characterised the overall gender and country income category representation across the five medical journals. In addition, we computed article-level diversity metrics and contrasted their distributions across the journals. Results We studied 151 536 authors across 49 764 articles published in five top medical journals, over a period spanning 15 years. On average, approximately one-third (33.1%) of the authors of a given paper were inferred to be women; this result was consistent across the journals we studied. Further, 86.6% of the teams were exclusively composed of HIC authors; in contrast, only 3.9% were exclusively composed of LMIC authors. The probability of serving as the first or last author was significantly higher if the author was inferred to be a man (18.1% vs 16.8%, p<0.01) or was affiliated with an institution in a HIC (16.9% vs 15.5%, p<0.01). Our primary finding reveals that having a diverse team promotes further diversity, within the same dimension (ie, gender or geography) and across dimensions. Notably, papers with at least one woman among the authors were more likely to also involve at least two LMIC authors (11.7% vs 10.4% in baseline, p<0.001; based on inferred gender); conversely, papers with at least one LMIC author were more likely to also involve at least two women (49.4% vs 37.6%, p<0.001; based on inferred gender). Conclusion We provide a scientometric framework to assess authorship diversity. Our research suggests that the inclusiveness of high-impact medical journals is limited in terms of both gender and geography. We advocate for medical journals to adopt policies and practices that promote greater diversity and collaborative research. In addition, our findings offer a first step towards understanding the composition of teams conducting medical research globally and an opportunity for individual authors to reflect on their own collaborative research practices and possibilities to cultivate more diverse partnerships in their work.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaMétarechercheBibliométrie
Domaine: Incitatifs · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptBibliométrieMétarecherche
Domaine: Incitatifs · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devishigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,099
score de la tête « metaresearch » (Gemma)0,022
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0990,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,017
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,323
Tête enseignante GPT0,554
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

MétarechercheBibliométrie

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetDiversity and Career in MedicineCatégorieMétarechercheTravaux en français237 207