《Journal of the National Medical Association》：Skin tone representation on United States medical school websites: A cross-sectional content analysis
编辑推荐：
美国医学院网站视觉呈现中肤色代表性不足，与城市区位显著相关。研究通过内容分析发现192所医学院1042张图片中深肤色个体占比低，可能影响少数族裔申请者对归属感的感知。医学院需评估网站视觉呈现与公平承诺的契合度。
米歇尔·蒂蒙斯（Michelle Timmons）| 真田崎真依（Mai Hatazaki）| 莎拉·艾萨克（Sarah Isaac）| 安东尼娅·奥拉迪波（Antonia Oladipo）| 梅克比布·格梅达（Mekbib Gemeda）| 珍妮弗·泽普夫（Jennifer Zepf）
哈肯萨克子午线医学院（Hackensack Meridian School of Medicine），地址：123 Metro Blvd, Nutley, NJ, 美国 07110
摘要
背景
在美国，某些种族和族裔群体在医生队伍中的代表性长期不足。这种代表性不足加剧了相应服务不足人群之间的健康差异。在医学住院医师项目的网站上，视觉呈现方式对申请者和录取者的统计数据有明显影响。然而，美国医学院网站上的视觉呈现方式尚未被独立研究过。
方法
对美国所有医学院的网站（共192所）进行了横断面内容分析，每所学校最多包含九张图片（总计1042张）。肤色使用10点的Massey-Martin量表进行评估。当学校在面向申请者的数据中包含相关信息时，还收集了机构特征（如地理位置、学费以及来自医学领域代表性不足群体（URiM）的学生比例）。
结果
肤色较深的人群在医学院网站上的图片中所占比例较低（相关性系数r=-0.94）。大多数图片中展示了多种肤色。在仅展示一种肤色的图片中（共403张），其中大多数（80%，即322张）仅描绘了肤色较浅的人。位于城市地区的学校更有可能在其网站上展示肤色较深的人群（t(233)=2.90, p=0.004）。其他面向申请者的指标（如学费、项目报告的URiM学生比例）与视觉呈现方式没有显著关联。
结论
美国的医学院在其网站上的图片中较少展示肤色较深的人群。这可能向来自边缘化背景的申请者传递出排斥感，从而影响该群体的招聘和归属感。医学院有责任认真评估其在线图像是否与其对公平和包容的承诺相符。
引言
医疗行业长期以来存在种族偏见1。尽管呼吁变革，但来自传统上在医学领域代表性不足的群体（URiM）的学生进入并留在该行业的人数仍然严重不足2, 3。2003年，美国医学院协会将术语从“代表性不足的少数族裔”改为“医学领域代表性不足的群体”，将URiM定义为“相对于其在总人口中的比例，在医学职业中代表性不足的种族和族裔群体”4。医生队伍中的代表性不足既反映了健康差异，又加剧了这些差异；种族和族裔少数群体始终面临更高的发病率和死亡率5, 6, 7, 8。提高医生多样性可以改善医患沟通，建立信任，并改善服务不足社区的治疗效果9, 10。
在教育环境中，与URiM群体的医生教师建立积极互动可以减少医学生的隐性偏见，并提高他们照顾URiM患者的自我能力11。职业发展理论表明，当人们能够想象自己在某个角色中并感受到归属感时，他们更有可能追求并坚持从事该职业12。医学生重视导师与学员之间的性别和种族匹配度，与他们相似的导师在一起的学生表现出更高的参与度和更高的职业满意度13, 14。对于URiM学生以及希望进入初级保健专业的人来说，具有代表性的榜样尤为重要15, 16。这种代表性不仅有助于身份认同和自我效能感的建立，也有助于学术医学领域的更广泛包容。
因此，提高学术医学领域的代表性有助于实现公平的医疗服务和职业发展。许多美国的医学院和医学住院医师项目已经实施了专门设计的干预措施（如导师计划、路径计划）17, 18, 19, 20。然而，这些措施可能无法完全惠及一些最被边缘化或最脆弱的学生。机构信息在招聘过程中起着关键作用，但往往被忽视。网站是医学院向潜在申请者传达机构价值观的最便捷方式之一21, 22, 23。
虽然医学住院医师项目网站上的视觉呈现方式与住院医师的统计数据有显著关联，但网站呈现方式对医学院统计数据的影响尚未得到充分了解24, 25。对于肤色较深的URiM学生来说，视觉线索非常重要；被录取的医学生的自身统计数据会影响他们对所属感和融入医学院的感知26。更广泛地说，科学、技术、工程和数学（STEM）领域的黑人专业人士指出，这些领域中的视觉呈现方式对申请者的行为有直接影响27, 28。
我们对美国所有传统医学院和骨科医学院的网站（共192所）上的视觉呈现方式进行了横断面研究。我们的目标是分析这些网站上面向申请者的图片中的肤色呈现情况，并探讨其与机构特征（如学费、URiM学生比例和地理位置）之间的关系。
研究概述
这项横断面研究旨在了解美国认证医学院网站上肤色呈现的实际情况。每个项目最多评估了九张图片，以获得能够充分代表每所学校的庞大数据集。肤色采用经过验证的10点量表进行编码，而不是使用可能更具主观性的评估方法（如感知的种族或族裔）29。
结果
共分析了来自192所医学院网站（表2）的1042张独特图片（表1）。
生成式AI声明
本研究的设计、实施和论文撰写过程中均未使用生成式AI。
先前研究结果
本项目的一些结果曾在2024年东北教育事务组（NEGEA）会议和美国医学院协会的2024年“Learn Serve Lead”会议上展示。伦理披露
本研究未涉及人类或动物受试者，因此无需遵循机构政策进行审查。本研究是对公开在线数据和图片的分析
作者姓名已隐去
本项目的一些结果之前已在REDACTED会议上展示。利益冲突声明
作者声明他们没有已知的可能会影响本文所报告工作的财务利益或个人关系。
