The Importance of Gender-Neutral Terminology in Risk Evaluation and Mitigation Strategy Programs: A Call to Action
Notice bibliographique
Résumé
The use of risk evaluation and mitigation strategy (REMS) programs is frequently required for prescriptions with potentially teratogenic effects, especially in the field of dermatology. Among these REMS programs, the most well-known example is isotretinoin, an oral retinoid that uses the iPLEDGE system. iPLEDGE has strict regulations and a lengthy approval process, and until recently, patients were grouped into 3 categories: male, female, or female of reproductive potential. This strict grouping has posed problems in the medical community, especially for gender-diverse individuals where their perceived gender conflates with their assigned grouping causing patient-specific distress. The distinction between gender-a multifactorial perception of identity-and biological sex is addressed under new iPLEDGE guidelines. Dermatologists now register patients under one of 2 categories: patients who can become pregnant and those who cannot become pregnant. This change simultaneously improves the accessibility to isotretinoin among gender-diverse individuals, while limiting prescription barriers. Despite initial success being limited due to lengthy system conversions, a registration process based on reproductive potential ultimately enhances iPLEDGE's goal to prevent potential birth defects. We propose that other REMS programs follow the standard set by the iPLEDGE system, including those for the medications thalidomide, acitretin, and mycophenolate mofetil, all of which currently have a similar taxonomy to that of the old iPLEDGE system. Implementing the standardization of gender-neutral terminology can maximize enrollment and minimize distress. Current and ongoing refinement of iPLEDGE and other REMS is needed to build protocols solely around the prevention of birth defects without regard to sex or gender.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».