The SIMI Gender ‘5 Ws’ Rule for the integration of sex and gender-related variables in clinical studies towards internal medicine equitable research
Notice bibliographique
Résumé
Biological sex and sociocultural gender matter when it comes to health and diseases. They have been both proposed as the undeniable gateways towards a personalized approach in care delivery. The Gender Working Group of the Italian Society of Internal Medicine (SIMI) was funded in 2019 with the aim of promoting good practice in the integration of sex and gender domains in clinical studies. Starting from a narrative literature review and based on regular meetings which led to a shared virtual discussion during the national SIMI congress in 2021, the members of the WG provided a core operational framework to be applied by internal medicine (IM) specialists to understand and implement their daily activity as researchers and clinicians. The SIMI Gender '5 Ws' Rule for clinical studies has been conceptualized as follows: Who (Clinical Internal Medicine Scientists and Practitioners), What (Gender-related Variables-Gender Core Dataset), Where (Clinical Studies/Translational Research), When (Every Time It Makes Sense) and Why (Explanatory Power of Gender and Opportunities). In particular, the gender core dataset was identified by the following domains (variables to collect accordingly): relations (marital status, social support, discrimination); roles (occupation, caregiver status, household responsibility, primary earner, household dimension); institutionalized gender (education level, personal income, living in rural vs urban areas); and gender identity (validated questionnaires on personality traits). The SIMI Gender '5 Ws' Rule is a simple and easy conceptual framework that will guide IM for the design and analysis of clinical studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».