MétaCan
Menu
Retour à la cohorte
Enregistrement W4417524832 · doi:10.4300/jgme-d-25-00312.1

Association Between Average Annual US Medical Specialty Compensation and Percentage of Trainees in the Specialty Who Are Female

2025· article· en· W4417524832 sur OpenAlexaboutno aff
William B. Weeks, Mayana Pereira, Juan Lavista Ferres

Notice bibliographique

RevueJournal of Graduate Medical Education · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiversity and Career in Medicine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpecialtyWorkforceGraduate medical educationCompensation (psychology)Equity (law)Variance (accounting)Medical school

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Female physicians have lower incomes than male physicians. While overall sex-based income disparities are dramatic, compensation differs considerably across specialties. A better understanding of the relationship between anticipated specialty-specific annual incomes and the proportion of females entering that specialty might help residency program directors argue for equity in specialty choice and income for female physicians. Objective We sought to determine the relationship between the percentage of females in the workforce entering a specialty and the average compensation of that specialty in 2023. Methods From a recent JAMA article, we obtained the characteristics and numbers of trainees engaged in 160 specialties or subspecialties within 13 489 graduate medical education programs in 2023; we aggregated those data into 50 specialties for which 2023 average annual self-reported compensation were publicly available from Doximity. We conducted a stepwise linear regression in which the specialty-specific proportion of trainees who were female, US medical school graduates, Canadian, Doctors of Osteopathy, American Indian or Alaska Native, Asian, Black, Hispanic or Latino, Pacific Islander, or White were used to predict the specialty-specific average annual income. We conducted the analysis in 2024. Results Each one percent increase in the specialty-specific percentage of female trainees was associated with a $5,301 decrease in average specialty-specific annual compensation, and each one percent increase in the US medical school graduate percentage was associated with a $3,821 increase. These 2 characteristics accounted for 78% of the adjusted explainable variance in average specialty-specific annual compensation. Conclusions Specialties with higher proportions of female trainees had lower average annual compensation rates.

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 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)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,798

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,341
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Graduate Medical EducationMême sujetDiversity and Career in MedicineTravaux en français237 207