MétaCan
Menu
Retour à la cohorte
Enregistrement W4412914733 · doi:10.62199/2475-4757.1018

A Gendered Analysis of Canadian Academic Ophthalmology Leaders

2024· article· en· W4412914733 sur OpenAlexaffabout
Ying Wen, Anne Xuan-Lan Nguyen, Stuti M. Tanya, Leonardo Landó, Isabelle Hardy

Notice bibliographique

RevueJournal of Academic Ophthalmology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensUniversity of TorontoMcGill UniversityMcGill University Health CentreUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceOptometryOphthalmologySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Objective To describe and analyze the gender distribution of Canadian academic ophthalmology leadership. Methods This study assessed the characteristics of ophthalmology department chairs, program directors, undergraduate directors, fellowship directors, and research directors in Canada. Gender, subspecialties, graduate degrees, and academic rank were collected from institutional websites. Research productivity measures (number of published documents, h-index, and years active) were extracted from Elsevier SCOPUS. All statistical analyses were performed using SPSS. Results In the 15 Canadian ophthalmology programs, 132 leadership positions were held by 122 physicians. 33 (27.0%) of those physicians were women, and 89 (73.0%) were men, with a significant proportion difference (p Conclusion Compared to the 28% of active women ophthalmologists (Canadian Medical Association, 2019), our study demonstrates a similar proportion of women leaders with 27% overall. Positive outlooks are noted when regarding the proportions of women chairpersons (28.6%) and program directors (35.3%). Women leaders were underrepresented in academic ranks and most ophthalmic subspecialties, while there were no significant differences in their research scores (h-index and m-quotient). Future directions include understanding factors contributing to advancement in leadership and strategies to improve the gender gap in ophthalmology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,005
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,123
Tête enseignante GPT0,395
Écart entre enseignants0,272 · 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

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Academic OphthalmologyMême sujetDiversity and Career in MedicineTravaux en français237 207