Occupation as a gendered-role and outcome in systemic sclerosis
Notice bibliographique
Résumé
Objective: Sex and gender are of growing scientific interest in disease onset and course. While sex differences have been shown to exist in systemic sclerosis, there is a paucity of data on gender. Our objective was to examine the association between occupation, a gender-related role and outcomes in systemic sclerosis. Methods: An occupation score ranging from 0 to 100, with lower scores representing occupations traditionally held by men and higher scores traditionally held by women, was constructed using the National Occupational Classification 2016 and data from Statistics Canada. Subjects in the Canadian Scleroderma Research Group registry were assigned an occupation score based on self-reported occupation. Multivariate models, adjusted for sex, age, smoking and education were used to estimate the independent effect of occupation score on systemic sclerosis outcomes. Results: We included 1104 subjects, of which 961 were females (87%) and 143 (13%) males. There were differences between females versus males: disease duration (9.9 vs 7.6 years, p = 0.002), diffuse disease (35% vs 54%, p < 0.001), interstitial lung disease (28% vs 37%, p = 0.021) and pulmonary hypertension (10% vs 4%, p = 0.033), but not pain, response to treatment and mortality. The median occupation scores differed between females and males (84.3 (interquartile range 56.8, 89.4) vs 24.9 (4.3, 54.1), p < 0.001). The Spearman correlation between sex and occupation score was 0.44, indicating a weak correlation. In adjusted analyses, occupation score was not an independent predictor of disease subset (diffuse vs limited), interstitial lung disease, pulmonary hypertension, pain, response to treatment or mortality. Conclusion: We did not find independent associations between an occupation score, a gender-related role and outcomes in systemic sclerosis. These results should be interpreted with caution as occupation may be a poor measure of gender. Future research using a validated measure of gender will be needed to generate robust data on the effect of gender in systemic sclerosis.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».