Beyond Demographics: Sex, Gender, and Sexuality in Oral Health Research
Notice bibliographique
Résumé
Sex, gender, and sexuality are crucial and interrelated factors influencing oral health outcomes, yet they are often overlooked and inadequately addressed in human studies on oral health. Biological sex influences oral disease susceptibility through hormonal, immunological, and microbiome-related mechanisms. Concomitantly, gender as a social construct modulates health through psychosocial stress, health care access, and societal norms. Sexuality intersects with oral health through behavioral risks, stigma, and discrimination, especially among lesbian, gay, bisexual, transgender, and queer or questioning populations. Despite their importance, oral health research often treats sex as a binary demographic variable, excluding sexual and gender minority individuals. There is a lack of meaningful integration of these variables across all phases of research, from proposal development and data collection to analysis and knowledge creation. This results in limited generalizability, perpetuates health inequities, and impedes the development of inclusive, evidence-based, and person-centered interventions. Furthermore, dental education and research training programs often lack comprehensive content on sex, gender, and sexuality, contributing to research approaches and training that reinforce binary-centered investigations. Substantial gaps in mentorship, representation, and inclusive curricula largely contribute to the underrepresentation of gender-diverse scholars and leaders in oral health. To address these gaps, a multipronged action plan is necessary, including an inclusive research design, robust data collection tools, curriculum reform that integrates person-centered frameworks, community engagement and service-learning, policy change, and accountability mechanisms. The integration of intersectionality, pertinent sex, gender, sexuality, and social determinants of health in oral health research and education is essential for achieving scientific rigor, health equity, and culturally responsive care for all populations.
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 | 0,020 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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 ».