MétaCan
Menu
Retour à la cohorte
Enregistrement W4391753565 · doi:10.3389/fgwh.2024.1350294

Understanding gender inequity in brain health outcomes: missed stroke as a case study for intersectionality

2024· article· en· W4391753565 sur OpenAlexafffund
Suze Berkhout, Syeda Shanza Hashmi, Aleksandra Pikula

Notice bibliographique

RevueFrontiers in Global Women s Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIntersectionalityPerspective (graphical)Stroke (engine)Identity (music)PsychologyNarrativeAffordanceHealth careHealth equityGender disparityMedicineDevelopmental psychologyGender studiesSociologyPublic healthNursingPolitical scienceCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Recent attention into sex and gender-based inequities surrounding outcomes for brain health disorders has generated momentum toward addressing what has been called the "brain health gap." Importantly though, "women" are not uniform demographic group. In this perspective piece, we discuss misdiagnosis in stroke as an aspect of access and quality of care within brain health. Drawing on narrative data from a mixed methods study of young stroke survivors we suggest that while missed stroke isn't only an issue of gender, if we are going to understand gender-based gaps in access and navigation through stroke care, we have to understand how intersections of gender with age, ethnoracial identity, nationality, language, (dis)ability, and other aspects of social identity come together to create affordances as well as biases that contribute to stroke 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,826
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,406
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Global Women s HealthMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207