MétaCan
Menu
Retour à la cohorte
Enregistrement W4406447338 · doi:10.1186/s12913-025-12247-1

The association between physician sex and patient outcomes: a systematic review and meta-analysis

2025· review· en· W4406447338 sur OpenAlexafffund
Kiyan Heybati, Ashton Chang, Hodan Mohamud, Raj Satkunasivam, Natalie Coburn, Arghavan Salles, Yusuke Tsugawa, Ryo Ikesu, Natsumi Saka, Allan S. Detsky, Dennis T. Ko, Heather J. Ross, Mamas A. Mamas, Angela Jerath, Christopher J.D. Wallis

Notice bibliographique

RevueBMC Health Services Research · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueSex and Gender in Healthcare
Établissements canadiensUniversity Health NetworkSunnybrook HospitalUniversity of TorontoMount Sinai HospitalSunnybrook Health Science Centre
Organismes subventionnairesHealth CanadaUniversity of TorontoHeart and Stroke Foundation of Canada
Mots-clésMedicineNursing researchHealth administrationHealth informaticsPublic healthMeta-analysisFamily medicineMEDLINEAssociation (psychology)Health services researchNursingInternal medicinePsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Some prior studies have found that patients treated by female physicians may experience better outcomes, as well as lower healthcare costs than those treated by male physicians. Physician–patient sex concordance may also contribute to better patient outcomes. However, other studies have not identified a significant difference. There is a paucity of pooled evidence examining the association of physician sex with clinical outcomes. Methods This random-effects meta-analysis was conducted according to the PRISMA guidelines and prospectively registered on PROSPERO. MEDLINE and EMBASE were searched from inception to October 4th, 2023, and supplemented by a hand-search of relevant studies. Observational studies enrolling adults (≥ 18 years of age) and assessing the effect of physician sex across surgical and medical specialties were included. The risk of bias was assessed using ROBINS-I. A priori subgroup analysis was conducted based on patient type (surgical versus medical). All-cause mortality was the primary outcome. Secondary outcomes included complications, hospital readmission, and length of stay. Results Across 35 ( n = 13,404,840) observational studies, 20 ( n = 8,915,504) assessed the effect of surgeon sex while the remaining 15 ( n = 4,489,336) focused on physician sex in medical/anesthesia care. Fifteen studies were rated as having a moderate risk of bias, with 15 as severe, and 5 as critical. Mortality was significantly lower among patients of female versus male physicians (OR 0.95; 95% CI: 0.93 to 0.97; P Q = 0.13; I 2 = 26%), which remained consistent among surgeon and non-surgeon physicians (P interaction = 0.60). No significant evidence of publication bias was detected (P Egger = 0.08). There was significantly lower hospital readmission among patients receiving medical/anesthesia care from female physicians (OR 0.97; 95% CI: 0.96 to 0.98). In a qualitative synthesis of 9 studies ( n = 7,163,775), patient-physician sex concordance was typically associated with better outcomes, especially among female patients of female physicians. Conclusions Patients treated by female physicians experienced significantly lower odds of mortality, along with fewer hospital readmissions, versus those with male physicians. Further work is necessary to examine these effects in other care contexts across different countries and understand underlying mechanisms and long-term outcomes to optimize health outcomes for all patients. Review registration PROSPERO – CRD42023463577.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,037
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,039
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,283
Tête enseignante GPT0,541
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations23
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetSex and Gender in HealthcareTravaux en français237 207