A 10-year longitudinal evaluation of science policy interventions to promote sex and gender in health research
Notice bibliographique
Résumé
Abstract Background Over the past decade, the Canadian Institutes of Health Research (CIHR) has implemented multicomponent interventions to increase the uptake of sex and gender in grant applications. Interventions included mandatory reporting on applicant forms, development of resources for applicants and evaluators, and grant review requirements. Here, we aim to inform science policy implementation by describing the 10-year outcomes and lessons learned from these interventions. Methods This is a prospective longitudinal study. The population is all applicants across 15 investigator-initiated CIHR competitions from 2011 to 2019 and grant evaluators from 2018 to 2019. Quantitative data were derived from applicants’ and grant evaluators’ mandatory reporting of sex and gender integration in the grants management database. The application was the unit of analysis. Trends in sex and gender uptake in applications were plotted over time, stratified by research area. Univariate logistic regression was used to assess associations between the sex of the applicant and the uptake of sex and gender, and the latter with funding success. Qualitative review of the quality and appropriateness of evaluators’ comments informed the development of discipline-specific training to peer review committee members. Feedback was compiled from a subset of evaluators on the perceived usefulness of the educational materials using a brief questionnaire. Results Since 2011, 39,390 applications were submitted. The proportion that reported integration of sex rose from 22 to 83%, and gender from 12 to 33%. Population health research applications paid the greatest attention to gender (82%). Across every competition, applications with female principal investigators were more likely to integrate sex (odds ratio [OR] 1.60, 95% confidence interval [CI] 1.50–1.63) and gender (OR 2.40, 95% CI 2.29–2.51) than those who identified as male. Since 2018, applications that scored highly for the integration of sex (OR 1.92, 95% CI 1.50–2.50) and gender (OR 2.53, 95% CI 1.83–3.50) were more likely to be funded. Qualitative observations revealed persistent conflation of the terms sex and gender. Eighty-six percent of evaluators appreciated the tailored discipline-specific coaching. Conclusions A number of policy interventions improved sex and gender uptake in grant applications, with higher success rates observed over time for applications that integrated sex and gender. Other funders’ action plans around sex and gender integration may be informed from our experiences of the timing, type and targets of the different interventions, specifically those directed at evaluators.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Incitatifs · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Métarecherche Domaine: Évaluation · Genre: Jeu de données Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | high |
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 | 0,127 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».