Limitations of the Male/Female Binary for Studying the Influences of Sex‐ and Gender‐Related Factors on Health
Notice bibliographique
Résumé
Momentum has been building for several decades around the value of incorporating sex and gender considerations in biomedical, clinical, and health research more broadly. In that period, there has been a proliferation of guidelines, policies, definitions, methods, and conceptual frameworks for doing so, which is both constructive and challenging: the diversity of concepts and methods generates knowledge that highlights different aspects of the phenomena under study, but at the same time, it can create inconsistency and fragmentation around the operationalization and interpretation of research attending to sex and gender considerations in health. A male-female binary approach to examining how sex and gender influence health has predominated in many domains, and although this has value for helping to identify health disparities related to sex and gender, there are also some important limitations of an uncritical overreliance on male-female comparisons; three case studies from the biomedical literature are used to help illustrate some of these limitations. Ultimately, there is no single correct approach to addressing sex and gender in health research. I contend that the most crucial element is that researchers need to bring careful and critical attention to the incorporation of sex and gender considerations in ways that are appropriate for their research context and understand and articulate the limitations of their chosen approaches.
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 | 0,343 | 0,472 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,025 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,009 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».