Implicit gender bias in the diagnosis and treatment of type 2 diabetes: A randomized online study
Notice bibliographique
Résumé
AIMS: Implicit gender biases (IGBs) are unconscious evaluations about a person based on gender. IGBs of healthcare providers may affect medical decision making. This study investigated whether IGBs and genders of patients and general practitioners (GPs) influence diagnostics and treatment decisions in the context of diabetes type 2. METHODS: Ninety-nine GPs participated in this randomized online study. Implicit Associations Tasks were used to measure two IGBs, related to lifestyle (women have a healthier lifestyle than men) and communication (men are less communicative than women). Clinical decisions regarding type 2 diabetes were measured with vignettes that included a fictional male or female patient case. RESULTS: Female GPs exhibited a significant lifestyle IGB (p < 0.001). GPs of both genders exhibited a significant communication IGB (p < 0.001). Several associations between IGBs and clinical decisions were found. The gender of the vignette character affected several outcomes, for example GPs were less certain in the diabetes diagnosis when the character was a woman (p < 0.001). CONCLUSION: We demonstrated that GPs have IGBs and these biases as well as patient's gender affect decisions of GP's when they are solving a diabetes vignette case. Future research is needed to understand the most important consequences of IGBs in the context of type 2 diabetes.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».