MétaCan
Menu
Retour à la cohorte
Enregistrement W4220835901 · doi:10.3390/ijerph19074083

Transcending the Male–Female Binary in Biomedical Research: Constellations, Heterogeneity, and Mechanism When Considering Sex and Gender

2022· article· en· W4220835901 sur OpenAlexaff
Stacey A. Ritz, Lorraine Greaves

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensBritish Columbia Centre of Excellence for Women's HealthUniversity of British ColumbiaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésOperationalizationMechanism (biology)Context (archaeology)PsychologyData scienceComputer scienceEpistemologyBiology

Résumé

récupéré en direct d'OpenAlex

Accounting for the influences of sex- and gender-related factors on health is one of the most interesting and important challenges in contemporary health research. In biomedical research, models, experimental designs, and statistical analyses create particular challenges in attempting to incorporate the complex, dynamic, and context-dependent constructs of sex and gender. Here, we offer conceptual elaborations of the constructs of sex and gender and discuss their application in biomedical research, including a more mechanism-oriented and context-driven approach to experimental design integrating sex and gender. We highlight how practices of data visualization, statistical analysis, and rhetoric can be valuable tools in expanding the operationalization of sex and gender biomedical science and reducing reliance on a male-female binary approach.

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)0,009
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,356
Tête enseignante GPT0,463
Écart entre enseignants0,107 · 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'étudeObservationnel
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

Citations47
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetSex and Gender in HealthcareTravaux en français237 207