Doing better: eleven ways to improve the integration of sex and gender in health research proposals
Notice bibliographique
Résumé
BACKGROUND: Integrating a sex and gender lens is increasingly recognized as important in health research studies. Past failures to adequately consider sex in drug development, for example, led to medications that were metabolized differently, proved harmful, or ineffective, for females. Including both males and females in study populations is important but not sufficient; health, access to healthcare, and treatment provided are also influenced by gender, the socially mediated roles, responsibilities, and behaviors of boys, girls, women and men. Despite understanding the relevance of sex and gender to health research, integrating this lens into study designs can still be challenging. Identified here, are nine opportunities to address sex and gender and thereby strengthen research proposals. METHODS: Ontario investigators were invited to submit a draft of their health research proposal to the Sex and Gender Research Support Service (SGRSS) at Women's College Hospital in Toronto, Ontario. The service works to build capacity on the integration of sex, gender, and other identity factors, in health research. Using the SAGER Guidelines and the METRICS for the Study of Sex and Gender in Human Participants as guides, proposals were reviewed to enhance their sex and gender considerations. Content analysis of the feedback provided these investigators was subsequently completed. RESULTS: Nearly 100 hundred study proposals were reviewed and investigators provided with suggestions on how to enhance their proposal. Analyzing the feedback provided across the reviewed studies revealed commonly overlooked opportunities to elevate consideration of sex and gender. These were organized into nine suggestions to mirror the sections of a research proposal. CONCLUSION: Health researchers are often challenged on how to integrate a sex and gender lens into their work. Reviews completed across a range of health research studies show there are several commonly overlooked opportunities to do better in this regard. Nine ways to improve the integration of a sex and gender lens in health research proposals have been identified.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Méthodes · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
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 | 0,582 | 0,678 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,015 | 0,010 |
| Études des sciences et des technologies | 0,025 | 0,043 |
| Communication savante | 0,044 | 0,055 |
| Science ouverte | 0,012 | 0,046 |
| Intégrité de la recherche | 0,026 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».