Sex and gender considerations in implementation interventions to promote shared decision making: A secondary analysis of a Cochrane systematic review
Notice bibliographique
Résumé
BACKGROUND: Shared decision making (SDM) in healthcare is an approach in which health professionals support patients in making decisions based on best evidence and their values and preferences. Considering sex and gender in SDM research is necessary to produce precisely-targeted interventions, improve evidence quality and redress health inequities. A first step is correct use of terms. We therefore assessed sex and gender terminology in SDM intervention studies. MATERIALS AND METHODS: We performed a secondary analysis of a Cochrane review of SDM interventions. We extracted study characteristics and their use of sex, gender or related terms (mention; number of categories). We assessed correct use of sex and gender terms using three criteria: "non-binary use", "use of appropriate categories" and "non-interchangeable use of sex and gender". We computed the proportion of studies that met all, any or no criteria, and explored associations between criteria met and study characteristics. RESULTS: Of 87 included studies, 58 (66.7%) mentioned sex and/or gender. The most mentioned related terms were "female" (60.9%) and "male" (59.8%). Of the 58 studies, authors used sex and gender as binary variables respectively in 36 (62%) and in 34 (58.6%) studies. No study met the criterion "non-binary use". Authors used appropriate categories to describe sex and gender respectively in 28 (48.3%) and in 8 (13.8%) studies. Of the 83 (95.4%) studies in which sex and/or gender, and/or related terms were mentioned, authors used sex and gender non-interchangeably in 16 (19.3%). No study met all three criteria. Criteria met did not vary according to study characteristics (p>.05). CONCLUSIONS: In SDM implementation studies, sex and gender terms and concepts are in a state of confusion. Our results suggest the urgency of adopting a standardized use of sex and gender terms and concepts before these considerations can be properly integrated into implementation research.
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 | 0,083 | 0,241 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,035 |
| Bibliométrie | 0,028 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».