Tying measurement to action in equity, diversity, and inclusion work in academic surgical departments
Notice bibliographique
Résumé
Background: Strategies to address inequities, bias, and discrimination that disadvantage Canadian physicians from marginalized groups are urgently needed. We describe a multilevel needs assessment of equity, diversity, and inclusion (EDI) in 2 departments of surgery that focused on identifying evidence-based interventions. Methods: We invited members of the departments of surgery at the University of Calgary and the University of Saskatchewan to complete the Diversity Engagement Survey (DES), a 22-item instrument designed to understand workplace engagement and inclusion among physicians, with higher scores indicating greater engagement and inclusion. Leaders completed a Leadership EDI Readiness Assessment to understand their own barriers to EDI work and an Organizational EDI Readiness Assessment to understand structures for EDI in their division. Leaders were provided resources and interventions to address the identified gaps in these assessments. Results: The most common organizational gaps in structures for EDI work in surgical divisions and training programs (n = 34, 37.4%) were in community outreach and measurement and reporting. Surgeons who identified as cisgender men (n = 101) felt more engaged and included than those who identified as cisgender women (n = 43; 3.81 [standard deviation (SD) 0.73] v. 3.51 [SD 0.78]; p = 0.04). White cisgender men (n = 66) had the highest feelings of engagement and inclusion (mean 3.95 [SD 0.62]). Participating surgical sections and training programs were directed to evidence-informed initiatives to improve community outreach and measurement and reporting to address EDI in their settings. Conclusion: Our findings support that gender and racial or ethnic identities influence the workplace experiences of surgeons in Canada. A multilevel approach to EDI work in surgical departments can direct leaders to areas for intervention.
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 | 0,138 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,012 | 0,018 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,004 | 0,032 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».