Integrating sex and gender into neurodegeneration research: A six‐component strategy
Notice bibliographique
Résumé
INTRODUCTION: Despite important sex differences, there remains a paucity of studies examining sex and gender differences in neurodegeneration. The Canadian Consortium on Neurodegeneration in Aging (CCNA), a national network of researchers, provides an ideal platform to incorporate sex and gender. METHODS: CCNA's Women, Gender, Sex and Dementia program developed and implemented a six-component strategy involving executive oversight, training, research collaboration, progress report assessment, results dissemination, and ongoing manuscript review. The inclusion of sex and gender in current and planned CCNA projects was examined in two progress reporting periods in 2016. RESULTS: Sex and gender research productivity increased substantially for both preclinical (36%-45%) and human (56%-60%) cohorts. The main barrier was lack of funding. DISCUSSION: The Women, Gender, Sex and Dementia strategy resulted in a major increase of sex and gender into research on neurodegenerative disorders. This best practice model could be utilized by a wide variety of large multidisciplinary groups.
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 | 0,401 | 0,282 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,014 | 0,009 |
| Études des sciences et des technologies | 0,010 | 0,009 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,007 | 0,043 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».