Gender versus sex in predicting outcomes of traumatic brain injury: a cohort study utilizing large administrative databases
Notice bibliographique
Résumé
Understanding the factors associated with elevated risks and adverse consequences of traumatic brain injury (TBI) is an integral part of developing preventive measures for TBI. Brain injury outcomes differ based on one's sex (biological characteristics) and gender (social characteristics reflecting norms and relationships), however, whether it is sex or gender that drives differences in early (30-day) mortality and discharge location post-TBI is not well understood. In the absence of a gender variable in existing data, we developed a method for "measuring gender" in 276,812 residents of Ontario, Canada who entered the emergency department and acute care hospitals with a TBI diagnostic code between April 1st, 2002, and March 31st, 2020. We applied logistic regression to analyse differences in diagnostic codes between the sexes and to derive a gender score that reflected social dimensions. We used the derived gender score along with a sex variable to demonstrate how it can be used to separate the relationship between sex, gender and TBI outcomes after severe TBI. Sex had a significant effect on early mortality after severe TBI with a rate ratio (95% confidence interval (CI)) of 1.54 (1.24-1.91). Gender had a more significant effect than sex on discharge location. A person expressing more "woman-like" characteristics had lower odds of being discharged to rehabilitation versus home with odds ratio (95% CI) of 0.54 (0.32-0.88). The method we propose offers an opportunity to measure a gender effect independently of sex on TBI outcomes.
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 | 0,003 | 0,002 |
| 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 ».