MétaCan
Menu
Retour à la cohorte
Enregistrement W3190872955 · doi:10.1136/bmjgh-2021-006854

Time for action: towards an intersectional gender approach to COVID-19 vaccine development and deployment that leaves no one behind

2021· article· en· W3190872955 sur OpenAlexaff
Shirin Heidari, David N Dürrheim, Ruth Faden, Sonali Kochhar, Noni E. MacDonald, Folake Olayinka, Tracey Goodman

Notice bibliographique

RevueBMJ Global Health · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensDalhousie University
Organismes subventionnairesMedical Research CouncilWorld Health Organization
Mots-clésConstruct (python library)PandemicEthnic groupSocioeconomic statusHealth equityVulnerability (computing)Public healthCoronavirus disease 2019 (COVID-19)Race (biology)Environmental healthDiseasePolitical scienceMedicineSociologyGender studiesInfectious disease (medical specialty)PopulationNursing

Résumé

récupéré en direct d'OpenAlex

### Summary box The COVID-19 pandemic has exposed once again how gender and other inequalities are inter-related with and worsen health disparities. Gender shapes risk of infection, vulnerability to disease and experience of ill health, and socioeconomic disparities.1 Important interplays between biological sex and gender, as a social construct, and other variables such as age, race and ethnicity, and other health conditions, have demonstrated differential risks of COVID-19 exposure, acquisition and outcomes.2 3 Sex-based differences in vaccine-induced immune response and adverse events are well documented, and may influence vaccine acceptance, access and uptake, which are also highly gendered.4 Hence, it is imperative that sex and gender be meaningfully considered alongside other intersecting dimensions when developing and deploying COVID-19 vaccines.5 Inherent in this is the need for meaningful engagement of the expertise and leadership of women in all scientific research, policymaking and programmatic decision-making processes at global, national and local levels. This article …

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,680
Score d'incertitude au seuil0,781

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,253
Tête enseignante GPT0,462
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Global HealthMême sujetSex and Gender in HealthcareTravaux en français237 207