A rapid review of gender, sex, and sexual orientation documentation in electronic health records
Notice bibliographique
Résumé
OBJECTIVE: The lack of precise and inclusive gender, sex, and sexual orientation (GSSO) data in electronic health records (EHRs) is perpetuating inequities of sexual and gender minorities (SGM). We conducted a rapid review on how GSSO documentation in EHRs should be modernized to improve the health of SGM. MATERIALS AND METHODS: We searched MEDLINE from 2015 to 2020 with terms for gender, sex, sexual orientation, and electronic health/medical records. Only literature reviews, primary studies, and commentaries from peer-reviewed journals in English were included. Two researchers screened citations and reviewed articles with help from a third to reach consensus. Covidence, Excel, and Atlas-TI were used to track articles, extract data, and synthesize findings, respectively. RESULTS: Thirty-five articles were included. The 5 themes to modernize GSSO documentation in EHRs were (1) creating an inclusive, culturally competent environment with precise terminology and standardized data collection; (2) refining guidelines for identifying and matching SGM patients with their care needs; (3) improving patient-provider relationships by addressing patient rights and provider competencies; (4) recognizing techno-socio-organizational aspects when implementing GSSO in EHRs; and (5) addressing invisibility of SGM by expanding GSSO research. CONCLUSIONS: The literature on GSSO documentation in EHRs is expanding. While this trend is encouraging, there are still knowledge gaps and practical challenges to enabling meaningful changes, such as organizational commitments to ensure affirming environments, and coordinated efforts to address technical, organizational, and social aspects of modernizing GSSO documentation. The adoption of an inclusive EHR to meet SGM needs is a journey that will evolve over time.
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 | 0,018 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,037 | 0,027 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».