A step-by-step and data-driven guide to index gender in psychiatry
Notice bibliographique
Résumé
Beyond sex as a binary or biological variable, within-sex variations related to sociocultural gender variables are of increasing interest in psychiatric research to better understand individual differences. Using a data-driven approach, we developed a composite gender score based on sociodemographic and psychosocial variables showing sex differences in a sample of psychiatric emergency patients upon admission (N = 1708; 39.4% birth-assigned females; mean age = 40 years; age standard deviation = 14). This gender score was extracted from a confirmatory factor analysis (CFI = 0.966; RMSEA = 0.044, SRMR = 0.030) and could predict a person's birth-assigned sex with 67% accuracy. This score allowed the further identification of differences on impulsivity measures that were absent when looking solely at birth-assigned sex. Female birth-assigned sex was also associated with higher rates of mood and personality disorder diagnoses, while higher feminine gender scores were related to higher proportions of anxiety and mood disorder diagnoses. By contrast, male birth-assigned sex and higher masculine gender scores were associated with higher proportions of psychotic and substance use disorder diagnoses. Patients with undifferentiated gender scores (i.e., scoring between masculine and feminine threshold defined by terciles) were more represented in the psychotic disorder group. Considering both sex and gender in psychiatric research is essential and can be achieved even when using secondary data to index gender comprised of demographic and psychosocial variables.
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 | 0,026 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,056 |
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 ».