Gender score development in a retrospective approach in the Berlin Aging Study II
Notice bibliographique
Résumé
Abstract In addition to biological sex, gender, the sociocultural dimension of being a woman or a man, plays a central role in health. However, there are so far no approaches to quantify gender in a retrospective manner in existing study datasets. We therefore aimed to develop a methodology that can be retrospectively applied to assess gender in existing cohorts. We used baseline data from the Berlin Aging Study II (BASE-II), obtained in 2009-2014 from 1869 participants aged 60 years and older. We identified 13 gender related variables and used them to construct a gender score (GS) by primary component and logistic regression analysis. Of these, 9 variables contributed to a gender score: chronic stress, marital status, risk taking behavior, agreeableness, neuroticism, extraversion, loneliness, conscientiousness, and education. GS differed significantly between females and males as defined by sex. Next, we calculated linear regressions to investigate associations between sex, GS, and selected biological and well-being variables. Sex, but not GS was significantly associated with LDL-C and TC. GS, but not sex, was significantly associated with cortisol levels, CES-depression, negative affect, life satisfaction. Thus, we were able to develop a GS in a retrospective manner from available study variables that characterized women and men in addition to biological sex. This approach will allow us to introduce the notion of gender retrospectively into a large number of studies.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».