Gender Differences in Research Productivity among Academic Psychiatrists in Canada
Notice bibliographique
Résumé
Objectives:Gender inequity in academic medicine persists despite increases in the number of women physicians. We sought to explore gender differences in research productivity for academic psychiatrists in Canada.Methods:In a cross-sectional study of the 3379 psychiatrists in all 17 university departments of psychiatry in Canada, research productivity, as measured by the h-index and number of publications, was compared between women and men using a negative log binomial regression model to generate relative rates (RRs), adjusted for career duration (aRR). Findings were stratified by academic rank, institution region, and institution size. A subanalysis of those with 10 or more publications was conducted as a proxy for identifying physicians on a research track.Results:Women (43% of the sample) had a lower mean (standard deviation) h-index than men (2.87 [6.49] vs. 5.31 [11.1]; aRR, 0.62; 95% confidence interval [CI], 0.54 to 0.72). Differences were significant only for junior faculty and not for associate and full professors. Comparison by number of publications followed a similar pattern (aRR, 0.46; 95% CI, 0.39 to 0.55). Among those with 10 or more publications (<i>n</i> = 721), differences between men and women were smaller than in the overall cohort for both the h-index (aRR, 0.77; 95% CI, 0.68 to 0.87) and number of publications (aRR, 0.62; 95% CI, 0.53 to 0.72).Conclusions:Gender differences in research productivity at the national level in academic psychiatry in Canada support a call to adopt a more systematic approach to promoting equitable opportunities for women in research, especially in early career, to improve diversity and enhance future psychiatric research and discovery.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».