Lack of sex bias in the referral letters for patients with inflammatory bowel disease: a mixed methods evaluation
Notice bibliographique
Résumé
Abstract Introduction Women with inflammatory bowel disease (IBD) experience greater delays and misdiagnosis than men. Data from other conditions suggest that sex and/or gender bias in the process of referral to speciality care may contribute. Methods We undertook a mixed methods analysis of 120 referral letters to gastroenterology for people ultimately diagnosed with IBD in Calgary, Alberta. Letters were masked for patient sex and gender prior to analysis. Gastroenterologists who were masked to the objective of the study rated the quality of referral letters and triaged letters for urgency. Two study team members performed a Framework analysis to identify agentic (masculine) and commensal (feminine) adjectives, mentions of caregiving and work roles, and psychosocial history. After analysis, letters were unmasked and findings were compared by patient sex. Results There were 116 referral letters included in the analysis (n = 59, 50.9% for male patients). There were no differences in letter quality or triage urgency between male and female patients (median quality 4 [IQR 4-7] and 5 out of 10 [IQR 4-6], respectively, higher scores represent better quality; P = .37, and P = .44 for triage category). There was no difference in the use of adjectives and mention of caregiving or work roles, psychiatric history, or social history between letters for female and male patients. Conclusions This mixed methods analysis identified no difference in referral letter language, contents, or quality for female and male patients with IBD. Masked letters were triaged similarly to unmasked letters, suggesting an absence of sex and/or gender bias in the gastroenterology triaging process in our setting.
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 | 0,004 | 0,001 |
| 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 ».