The gender wage gap in the Canadian pharmacy workforce in the wake of COVID-19
Notice bibliographique
Résumé
Background: Understanding gender disparities in the way women pharmacists experience their careers is essential for robust workforce planning, as the profession has undergone substantial feminization in recent decades. This study aimed to quantify gender-related wage gaps in the Canadian pharmacy workforce as a tracer for progress toward gender equity in the wake of COVID-19. Methods: A national observational study was conducted using gender-disaggregated data among pharmacists from the 2021 population census and integrated income tax records capturing annual professional earnings in 2019 and (pandemic-affected) 2020. Descriptive and multivariate decomposition analyses were used to characterize earnings differentials, with adjustment for several professional, personal, and geographic factors. Results: Nearly two-thirds (63%) of pharmacists aged 25 to 54 were women. Despite similar levels of education, women's earnings averaged 88 cents for every dollar earned by men. A significant gender wage gap was found, with women earning 9.2% (95% confidence interval [CI]: 4.8%-13.8%) less than men on average in 2020 after adjustment for other confounders. Much of the gap was explained by the measured predictors, including gendered earnings differentials observed the previous year, but a significant residual (34% of the gap) remained unexplained in the decomposition analysis. Discussion: This first nationally representative investigation of wage differentials among Canadian pharmacists found evidence of a persistent gender-related wage gap, one that was only marginally affected by labour disruptions brought on by the COVID-19 pandemic and which was largely unexplained-an outcome commonly attributed, at least in part, to gender bias and discrimination. Conclusion: Concerted efforts are needed among multiple stakeholders for achieving women's full economic inclusion in the pharmacy profession.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».