Raising the bar: Sex and Gender-Based Analysis and Reporting (SGBAR) in health research
Notice bibliographique
Résumé
Abstract Issue For decades, research has been male dominated: research led by men with male participants. Two-thirds of heart disease and stroke clinical research is based on men. When research is led by women, sex and gender are more likely to be incorporated into the research itself, and the levels of sex reporting also increases. Unfortunately, the low involvement of women in research around the world - as both researchers and participants - has led to findings that are not always applicable to women, resulting in gaps in treatment, care and recovery. The results are worse health outcomes for women in most countries. Background Applying sex and gender methods and analysis in research leads to higher quality results. A review of the literature and research landscape showed that sex and gender analysis was more common in public health, but not in clinical, biomedical or health systems research. Results The Heart and Stroke Foundation (Heart & Stroke), as both a funder of research and advocate for systems change recognized the research system perpetuated the inequities in women's health. The solution was to restructure the organization's research funding enterprise and also push for change among the health community. H&S put SGBAR requirements into its research funding program. To build on the change, H&S is now working across all levels of government and research institutions to secure SGBAR as a standard of practice. To date, this advocacy pursuit has created substantial systems change. Lessons Due to the complex research landscape, making SGBAR a priority across all research institutions is a massive undertaking. There is a need for both top down and bottom up approaches to ensure wide scale change. Key messages Incorporating sex and gender-based analysis and reporting in health research will improve health equity. Health research Funding agencies have an opportunity to raise the bar and shift the research environment.
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 | 0,656 | 0,744 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,011 | 0,057 |
| Communication savante | 0,028 | 0,035 |
| Science ouverte | 0,007 | 0,022 |
| Intégrité de la recherche | 0,014 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».