Innovaciones biomédicas de mujeres con menos probabilidades de ser adoptadas: estudio

ARRIBA: ISTOCK.COM, ORBON ALIJA

Un estudio publicado el lunes (30 de agosto) por la Oficina Nacional de Investigación Económica encuentra que las nuevas las ideas en la investigación biomédica tienen menos probabilidades de difundirse cuando son generadas por mujeres y minorías que cuando son generadas por hombres.

Los autores del estudio, que no fue revisado por pares, utilizaron una técnica computacional llamada lenguaje natural procesamiento para escanear títulos y resúmenes en MEDLINE en busca de frases novedosas de una, dos o tres palabras que se originen en artículos de investigación biomédica publicados entre 1980 y 2008. Los investigadores clasificaron estas frases según el número total de menciones que recibieron en el año en que aparecieron por primera vez. y analizamos el 0,1 % de las frases principales de cada año para evaluar si cada una representaba una nueva idea real o una innovación científica. , para que sepamos qué idea específica viaja de un científico a otro científico, de un lugar a otro, dice el coautor Wei Cheng, economista de la Universidad de Ciencia y Tecnología de China Oriental. en una lista de las principales innovaciones (que incluía desarrollos como la reacción en cadena de la polimerasa y el VIH/SIDA), Cheng y su exasesor de doctorado, el economista de la Universidad Estatal de Ohio Bruce Weinberg, analizaron las redes sociales de los autores de los artículos para acuñar las frases innovadoras (llamados innovadores), determinando quién era colaborador, colaborador de un colaborador, etc.

A partir de esto, determinaron un grupo de posibles adoptantes de la nueva idea: personas que habían publicado en áreas similares o que tenían términos MeSH (encabezados de materias médicas) similares en sus publicaciones. Luego calcularon cómo la probabilidad de que un adoptante potencial recogiera la idea se relacionaba con factores como la distancia de su red con respecto al innovador y la raza o el género de los innovadores. los innovadores se mencionaron un poco más del uno por ciento en títulos y resúmenes posteriores que las ideas generadas por equipos mayoritariamente femeninos durante un período de cinco años después de su primera publicación. Encontramos que las ideas de las mujeres son menos adoptadas, dice Cheng, en parte porque las mujeres no están tan bien conectadas en las redes como los hombres, al menos cuando se trata de conexiones de corto alcance. Cheng y Weinberg descubrieron que los equipos integrados en su mayoría por mujeres innovadoras tenían menos conexiones de red cercanas, personas a uno o cinco pasos de distancia. El análisis muestra que es más probable que las ideas se adopten cuando el adoptante potencial está cerca del innovador, por lo que si las mujeres tienen menos conexiones de corto alcance, dice Cheng, eso podría reducir la tasa total de adopción de sus ideas.  

Incluso cuando se corrigen las redes más pequeñas, dice, es menos probable que las ideas de las mujeres sean adoptadas, incluso por otras mujeres. Para los miembros más cercanos de sus redes, las mujeres eran más propensas a adoptar ideas de mujeres que de hombres, pero a medida que aumentaba la distancia con el innovador, las mujeres eran en realidad menos propensas a adoptar nuevas ideas de otras mujeres que de hombres.

Entonces, cuando simplemente aumentamos la proporción de mujeres investigadoras en [investigación] biomédica, en realidad no aumenta las tasas generales de adopción de una idea de una mujer innovadora, dice Cheng.

Su El análisis también muestra que los innovadores negros e hispanos tienen menos conexiones de red cercanas que los innovadores blancos y asiáticos, y que las ideas con un número sustancial de autores negros o hispanos tenían menos probabilidades que el promedio de ser mencionadas por investigadores a más de un paso de distancia (ideas Sin embargo, los equipos con algunos autores hispanos tuvieron la tasa de adopción más alta de todos los grupos a un paso). medio o investigadores al final de su carrera. 

Según Weinberg, una razón por la que él y Cheng se centraron en la difusión de ideas entre los científicos biomédicos en lugar de, por ejemplo, geólogos o astrónomos fue porque las preguntas que estudian los científicos biomédicos están intrínsecamente ligadas a la salud humana y a menudo pertenecen a poblaciones específicas.

Pensamos que los investigadores se enfocan con frecuencia en las condiciones que son relevantes para sus grupos, dice. Por lo tanto, la identidad del innovador y la naturaleza de la idea podrían tener efectos sustanciales sobre qué tipo de condiciones médicas reciben atención.

Las condiciones de salud de las mujeres son más estudiadas por investigadoras, dice Cheng. Entonces, cuando la investigación realizada por mujeres científicas recibe menos atención, eso podría generar cierta disparidad en términos de las condiciones de salud de mujeres y hombres.

Algunas limitaciones

Los autores señalan algunas advertencias a su estudio. Por un lado, dice Weinberg, la raza y el género fueron determinados por algoritmos a partir de los nombres de los autores y no fueron autoinformados, lo que significa que no siempre fueron precisos. Agrega que los algoritmos que usaron no estaban configurados para dar cuenta de la fluidez de género y solo incluían un puñado de categorías raciales y étnicas.

Weinberg también señala que su estudio no fue diseñado para determinar la causalidad, ya que fue no un experimento controlado sino que solo pudo encontrar asociaciones. Cheng dice que el estudio actual es parte de un proyecto más amplio en el que están trabajando en el que esperan obtener una comprensión más sólida de la posible causalidad.

Según el estadístico de la Universidad de Colorado Boulder, Aaron Clauset, quien fue no participó en el estudio, es difícil saber realmente por qué alguien elige adoptar una idea sobre otra sin preguntarles directamente en una entrevista, pero dado que ese enfoque no sería factible a la escala utilizada en el artículo, dice que el enfoque computacional los autores fue razonable.

Ser capaz de cuantificar el flujo de ideas en [la escala del nuevo análisis] es sencillamente difícil.

Aaron Clauset, Universidad de Colorado, Boulder

Ser capaz de cuantificar el flujo de ideas en [la escala del nuevo análisis] es simplemente difícil, dice.

Aunque no podemos ver directamente la imagen completa del sesgo en la adopción de ideas, dice que podemos ver las sombras que proyecta en los datos que recopilaron los investigadores. Cuantas más sombras puedas juntar, mejor reconstrucción podrás obtener del fenómeno, dice Clauset.

Para explorar más de estas sombras y su impacto en la difusión de ideas, Clauset sugiere analizar otras formas de redes sociales en comunidades científicas, como quién fue a la escuela de posgrado juntos o quién reconoce a quién al final de sus artículos.

El investigador cuantitativo Mathijs De Vaan de la Universidad de California, Berkeley, dice que le gustaría ver la validación de las nuevas ideas extraídas del análisis a través del procesamiento del lenguaje natural. A veces, dice, puede ser difícil incluso para él descubrir la novedad de un artículo simplemente leyendo el resumen, y mucho menos una máquina que no tiene el conocimiento que yo tengo como investigador. Pero si se valida, dice que el concepto de usar una máquina para identificar nuevas ideas a partir de resúmenes científicos es realmente genial y sería una gran innovación en la investigación de la innovación.

La desigualdad está codificada en nuestras redes sociales

Incluso con sus limitaciones, el estudio muestra que, de alguna manera, la desigualdad está codificada en nuestras redes sociales, dice Douglas Guilbeault, científico social computacional de la Universidad de California, Berkeley, quien no participó en el estudio.  

Si puede identificar desigualdades claras por género y raza en términos de estructura de la red, crea nuevas oportunidades para intervenciones basadas en la red, dice.

Esto podría incluir instituciones que reorganizan los equipos de investigación para tener más equilibrio racial o de género, además de promover equipos más diversos, dice Guilbeault, por ejemplo, otorgándoles subvenciones o ayudando a los investigadores de grupos subrepresentados a establecer conexiones en las reuniones.

I supongo que el consejo de autoayuda es ser consciente de tu diablillo sesgos lícitos, dice Weinberg, especialmente al revisar propuestas, documentos o CV. Como científicos, dice, nuestro stock-in-trade está en la frontera del conocimiento. Y desafiar los sesgos propios cuando una gran idea está en juego es una forma de acercarse y permanecer más cerca de la frontera del conocimiento.