Training in the implementation of sex and gender research policies: an evaluation of publicly available online courses
Notice bibliographique
Résumé
BACKGROUND: Recently implemented research policies requiring the inclusion of females and males have created an urgent need for effective training in how to account for sex, and in some cases gender, in biomedical studies. METHODS: Here, we evaluated three sets of publicly available online training materials on this topic: (1) Integrating Sex & Gender in Health Research from the Canadian Institutes of Health Research (CIHR); (2) Sex as a Biological Variable: A Primer from the United States National Institutes of Health (NIH); and (3) The Sex and Gender Dimension in Biomedical Research, developed as part of "Leading Innovative measures to reach gender Balance in Research Activities" (LIBRA) from the European Commission. We reviewed each course with respect to their coverage of (1) What is required by the policy; (2) Rationale for the policy; (3) Handling of the concepts "sex" and "gender;" (4) Research design and analysis; and (5) Interpreting and reporting data. RESULTS: All three courses discussed the importance of including males and females to better generalize results, discover potential sex differences, and tailor treatments to men and women. The entangled nature of sex and gender, operationalization of sex, and potential downsides of focusing on sex more than other sources of variation were minimally discussed. Notably, all three courses explicitly endorsed invalid analytical approaches that produce bias toward false positive discoveries of difference. CONCLUSIONS: Our analysis suggests a need for revised or new training materials that incorporate four major topics: precise operationalization of sex, potential risks of over-emphasis on sex as a category, recognition of gender and sex as complex and entangled, and rigorous study design and data analysis.
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 | 0,000 |
| 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 ».