A Scoping Review Mapping Trans* and Gender Diverse People's Representation in Cancer Research
Notice bibliographique
Résumé
INTRODUCTION: Trans* and gender diverse people (TGD) are at risk of experiencing inequities across the cancer continuum. While limited evidence suggests cancer is a concern for TGD people, few systematic reviews or other knowledge syntheses exist that can guide efforts to improve the evidence base and address the inequities TGD people face in cancer care. METHODS: Our team conducted a mixed methods scoping review exploring how cancer affects TGD people. We extracted data on cancer type and phase of the cancer continuum, gender definition operationalization, results, and TGD engagement. We followed JBI's meta-aggregation approach for mixed methods reviews by qualitizing quantitative data through narrative interpretation and pooling to integrate the extracted data. RESULTS: A search of multiple databases yielded 5986 titles after de-duplication. Reviewers independently screened titles and abstracts and identified 511 citations for full text review, and 55 were included for data extraction. Thirty studies reported on cancer screening, most of which focused on sex-based cancers. There was significant variation in terminology used to describe TGD people. We observed a lack of breadth in data used among included studies, limiting the generalizability of results. Six studies engaged TGD people. Few studies investigated cancer outcomes or experiences during the diagnosis and survivorship phases; few focused on survival or mortality outcomes. CONCLUSION: We observed significant gaps in the body of research on TGD people and cancer. Efforts to improve the evidence base are needed to address knowledge gaps about TGD people's cancer experiences and outcomes and ensure the delivery of inclusive, evidence-based cancer care is possible.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».