Are Digital Health Tools Gender-Inclusive? A Case Study of Smoking Cessation Chatbots
Notice bibliographique
Résumé
Context Digital health technologies such as chatbots have the potential to improve health outcomes. However, neglecting sex and gender considerations in their development may perpetuate or even exacerbate health inequities. Objective This study assessed whether sex and gender were considered in the development and testing of smoking cessation chatbots. It also explored expert perspectives to generate recommendations for more gender-inclusive digital health design. Study Design and Analysis We conducted a case study of 11 smoking cessation chatbot trials identified through a prior systematic review. Each study was evaluated for inclusion of women as participants, application of SGBA for study outcomes and user experience, use of co-design methods, and gender parity among authors. A multidisciplinary panel of 12 experts across tobacco addiction, sex/gender science, and digital health was surveyed and convened to develop recommendations. Setting The case study was conducted at the INTREPID Lab, Centre for Addiction and Mental Health (CAMH), Toronto, between October 2023 and May 2024. Population Studied Published chatbot trials targeting adults who smoke. Intervention No direct intervention was tested. Instead, the project evaluated existing chatbot studies and gathered qualitative input through expert consultation. Outcome Measures We assessed whether studies reported on sample characteristics, sex/gender-disaggregated results for effectiveness and user experience, co-design involvement, and author gender composition. Expert recommendations were synthesized based on survey and meeting data. Results Only 45% of chatbot studies reported sex-disaggregated effectiveness outcomes and 18% disaggregated user experience data. Co-design methods were used in 27% of studies. Women represented 36% of first authors and 9% of last authors. The panel emphasized the need for SGBA, interdisciplinary development teams, and tool co-design with users. Mandatory reporting of SGBA by journals and funders may improve gender-inclusivity of emerging digital tools. Conclusions Despite the promise of digital health tools, most smoking cessation chatbot studies lacked a SGBA and gender-inclusive design. This case study underscores the importance of including sex and gender considerations across all stages of digital tool development to enhance equity and clinical impact.
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 | 0,051 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,009 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».