E-110 Endovascular treatment decision in acute stroke: does physician sex matter? insights from an international multidisciplinary survey
Notice bibliographique
Résumé
Introduction Numerous studies have compared treatment approaches of female and male physicians in different medical subspecialties, some of them revealed significant differences. To date, only few women are engaged in the neurointerventional field. Hence, it is unclear whether the treatment practice is influenced by physicians’ sex. We explored whether there are differences in treatment decisions made by female and male physicians. Materials and methods An international cross-sectional survey of both female and male stroke physicians and neurointerventionalists was conducted. Participants were randomly assigned 10 cases out of a pool of 22 case scenarios and asked how they would treat the patient A) assumed there were no economical or infrastructural constraints, and B) given their current working conditions. Subgroup analyses were performed for female and male physicians respectively. Results 607 physicians (97 women, 508 men, 2 who did not disclose their sex), of different specialties (326 neurologists, 173 interventional neuroradiologists, 81 interventional neurosurgeons, 2 geriatricians, 5 internists, 20 other) from 38 countries participated in this survey. 6070 responses were obtained. Neurologists constituted the largest group of both female (76.3%) and male (49.2%) physicians, with a more even distribution of specialties in male physicians. Assuming ideal conditions, no significant differences in EVT decision making was observed (EVT was favored by 77% of female and 79.3% of male physicians). Under their current working conditions, female physicians decided less frequently in favor of EVT (69.1%) as compared to their male colleagues (76.9%, p<0.001). Conclusion Under the ideal conditions, EVT decision between male and female physicians did not differ. Current working conditions restricted female physicians’ endovascular treatment decision to a greater degree as compared to their male colleagues, resulting in a significantly lower decision rate in favor of EVT. Disclosures J. Ospel: None. N. Kashani: None. B. Campbell: None. M. Foss: None. F. Turjman: None. S. Yoshimura: None. A. Wilson: None. W. Kunz: None. M. Cherian: None. B. Kim: None. A. Rabinstein: None. U. Fischer: None. P. Sylaja: None. B. Baxter: None. J. Heo: None. B. Menon:None. G. Saposnik: None. M. Hill: None. M. Goyal: None. M. Almekhlafi: 1; C; unrestricted research grant by Stryker to University of Calgary.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».