回顾性与前瞻性性别评分在临床和健康数据中的适用性：一项范围综述方案

为解决性别信息在健康研究中代表性不足的问题，德国研究团队开展了关于性别评分（gender scores）在临床和健康数据中适用性的范围综述。研究遵循PRISMA-ScR指南，通过PubMed检索筛选出22篇文献，系统评估了性别评分的开发与应用现状。结果表明，现有评分工具在区分性别（gender）与生理性别（sex）效应、覆盖LGBTQ+群体等方面存在差异，为未来标准化性别评估提供了基础。该研究对提升健康数据的性别敏感性和研究可靠性具有重要意义。

　　

性别（gender）与生理性别（sex）的交互作用深刻影响着人类健康，从疾病症状到治疗效果，再到预期寿命。然而，当前健康研究中性别信息的记录和分析仍存在显著不足。许多研究将性别简化为二元分类（男/女），忽视了社会属性、心理认同和性取向多样性（如LGBTQ+群体）的影响。这种简化可能导致诊断偏差、治疗不精准甚至风险预测失误。例如，慢性疼痛和偏头痛等疾病中观察到的性别差异，可能完全由社会性别因素而非生理差异驱动。

为填补这一空白，德国医学信息学倡议（MII）和波美拉尼亚健康研究（SHIP）的研究团队开展了一项范围综述，旨在系统评估现有性别评分工具的适用性。研究聚焦两大核心问题：如何从现有数据中提取性别信息（回顾性评分），以及如何设计标准化工具用于未来研究（前瞻性评分）。

研究采用PRISMA-ScR框架，通过PubMed检索筛选出1202篇文献，最终纳入22项研究（含4篇历史文献）。技术方法上，团队设计了包含布尔运算符和近义词的复合检索策略，限定近5年文献以捕捉最新进展。数据提取表涵盖评分类型（问卷/统计模型）、变量覆盖度、队列规模等维度，并由多学科专家团队迭代优化。

研究结果
背景：德国伦理委员会明确定义性别为包含社会属性、心理认同和生物因素的多维建构，但现有健康数据中仍缺乏有效表征。
方法：通过三阶段筛选（标题-摘要-全文），发现仅18篇文献涉及性别评分开发，多数研究仍混淆性别与生理性别概念。
结果：识别出两类评分——基于问卷的心理测量工具（如Bem量表）和基于临床变量的统计模型，后者更适用于回顾性分析。SHIP和MII数据中，仅少数评分满足变量覆盖和可重复性要求。
讨论：与2020年Horstmann等的综述相比，本研究发现13项新工具，反映该领域快速进展。但局限性包括单一数据库检索和部分评分仅适用于特定疾病（如心血管病）。

结论与意义
这项研究首次系统映射了性别评分在健康研究中的应用现状，为两大场景提供解决方案：通过回顾性评分挖掘历史数据中的性别维度，以及通过前瞻性评分规范未来研究设计。尤其值得注意的是，研究揭示了现有工具的碎片化问题——多数评分局限于特定学科或人群，缺乏跨疾病普适性。

成果对医学信息学具有双重价值：一方面，为德国医学信息学倡议（MII）的数据整合中心（Datenintegrationszentrum）提供了标准化性别编码的实践指南；另一方面，通过识别工具缺口（如LGBTQ+群体覆盖不足），推动了下一代评分系统的开发。论文发表在《JMIR Research Protocols》，其方法论创新（如结合近义词检索与时间过滤）为同类综述设立了新标杆。

未来方向包括扩大数据库覆盖（如Embase、PsycINFO）和建立跨学科协作网络，以解决当前评分工具在文化敏感性、动态性别认同表征等方面的不足。这项研究不仅是一次文献综述，更是推动健康研究范式变革的关键一步——将性别从背景变量提升为核心分析维度，最终实现精准医学的社会公平性承诺。