Incorporating sex, gender and vulnerable populations in a large multisite health research programme: The Ontario Pharmacy Evidence Network as a case study
Notice bibliographique
Résumé
BACKGROUND: Funders now frequently require that sex and gender be considered in research programmes, but provide little guidance about how this can be accomplished, especially in large research programmes. The purpose of this study is to present and evaluate a model for promoting sex- and gender-based analysis (SGBA) in a large health service research programme, the Ontario Pharmacy Evidence Network (OPEN). METHODS: A mixed method study incorporating (1) team members' critical reflection, (2) surveys (n = 37) and interviews (n = 23) at programme midpoint, and (3) an end-of-study survey in 2016 with OPEN research project teams (n = 6). RESULTS: Incorporating gender and vulnerable populations (GVP) as a cross-cutting theme, with a dedicated team and resources to promote GVP research across the programme, was effective and well received. Team members felt their knowledge was improved, and the programme produced several sex- and gender-related research outputs. Not all resources were well used, however, and better communication of the purposes and roles of the team could increase effectiveness. CONCLUSIONS: The experience of OPEN suggests that dedicating resources for sex and gender research can be effective in promoting SGBA research, but that research programmes should also focus on communicating the importance of SGBA to their members.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,080 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,011 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».