Extended Virtual Reality: Analyzing Gender

健康研究中的社會性別變項

原文網頁連結,如對本網頁翻譯有問題,歡迎聯絡我們



議題

醫學證據顯示,生理性別(生物學)和社會性別(社會文化的行為和態度)的相互作用影響了健康和疾病(Klein et al., 2015; Tannenbaum et al., 2019; Stefanick & Schiebinger, 2020;參見案例研究:慢性疼痛)。當生理性別已被廣泛要求作為一個生物學變項進行分析的同時,社會性別卻鮮少被視為社會文化變項加以分析。這主要是因為研究人員缺乏量化工具去分析社會性別對健康結果的影響。

方法:分析社會性別

社會性別是一個廣泛的詞彙:它可以描述一個社會的常規和期望;個人的信念、認同和行為;以及這些期望和認同如何影響人與人之間的關係,反之亦然。欲分析社會性別對健康的影響,則需要工具以分解並量化這些社會性別的不同面向。

方法:在問卷調查中詢問生理性別與社會性別

大多數調查問卷都包括有關生理性別或社會性別的人口統計問題。傳統上,調查中關於生理性別或社會性別的項目是採取單步法(one-step method)要求受訪者表明他們是男性或女性。然而,將出生時的生理性別和社會性別認同混為一談,會降低調查研究對制定政策和創新的準確性。為了彌補這些缺點,研究人員開發了一種兩步法(two-step method),分別衡量出生時的生理性別以及目前的社會性別認同。

性別化創新:

一組跨學科的研究團隊開發出「史丹佛健康研究之社會性別相關變項工具(Stanford Gender-related Variables for Health Research,GVHR)」。

1. 修訂過時的社會性別衡量標準:現有的社會性別衡量標準傾向將不同的性別向度合併為單一面向。其中一些衡量方法並複製了陽剛特質和陰柔特質的過時概念。相較之下,史丹佛GVHR將社會性別概念化為多向度,並試圖在新工具中記錄相關向度。這項新工具針對健康相關的社會性別開發了更全面而精確的調查測度方法。

2. 開發並驗證「史丹佛健康研究之社會性別相關變項工具(GVHR)」:史丹佛GVHR工具衡量七個性別相關變項(照顧者負荷、勞動壓力、獨立性、風險承擔、情商、社會支持和歧視)分為三個不同類別(社會性別規範、社會性別相關特徵以及社會性別關係)。該調查是在三種不同的美國人口中開發並交叉驗證的。

前往完整案例研究

原文網頁連結,如對本網頁翻譯有問題,歡迎聯絡我們



議題
方法:分析社會性別
性別化創新1:修訂過時的社會性別衡量標準
性別化創新2:開發並驗證「史丹佛健康研究之社會性別相關變項工具」
方法:在問卷調查中詢問生理性別與社會性別
未來發展
下一步

議題

醫學證據顯示,生理性別(生物學)和社會性別(社會文化的行為和態度)的相互作用影響了一生中的健康和疾病(Klein et al., 2015; Tannenbaum et al., 2019; Stefanick & Schiebinger, 2020;參見案例研究:慢性疼痛)。美國國家醫學院(U.S. Institute of Medicine,IOM,現為科學院)將近二十年前即意識到社會性別與生理性別相互作用影響健康結果(Wizemann & Pardue, 2001)。自此之後,加拿大衛生研究院和歐盟執委會都提倡將生理性別和社會性別納入健康研究(CIHR, 2010; European Commission, 2013)。

最近的研究證實了社會性別對健康的重要性。2007年的一項研究顯示,「陰柔特質」分數較高的男性罹患心臟病的風險較低(Hunt et al., 2007)。2016年的一項研究則顯示,在「陰柔的社會性別相關人格特質」分數較高的年輕人,無論其生理性別為何,都更容易經歷急性冠心症復發(Pelletier et al., 2016; Pelletier et al., 2015)。

這些創新的研究證明,社會性別是健康的關鍵決定因素;它們同時顯示出衡量的難度。這些研究對於社會性別的評估,部分仰賴過時的社會性別認同概念,例如「Bem性別角色清單(Bem Sex Role Inventory)」(Bem, 1974)。Bem性別角色清單開發於1974 年,主要使用白人、高社經地位的美國本科生,其中使用的陽剛特質和陰柔特質概念目前已經過時,且未囊括於最先進的數據收集協議(data collection protocols)」如PhenX工具包的內容(見下文)中。社會性別歷來被概念化為從互補而對立的「陽剛」到「陰柔」的二向度光譜(Schiebinger, 1991)。這些老舊的概念過於廣闊且不精確,無法用於健康研究。我們現在知道社會性別是多向度和多層面的,並隨著時間而變化(Connell, 2012)。將社會性別的不同向度合併為單一面向會複製社會性別刻板印象,並產生對醫學研究人員不太實用的結果。

方法:分析社會性別

社會性別是個廣泛的詞彙:它可以描述一個社會的常規和期望;個人的信念、認同和行為;以及這些期望和認同如何影響人與人之間的關係。分析社會性別對健康的影響,則需要工具以分解並量化這些社會性別的不同面向。


性別化創新1:修訂過時的社會性別衡量標準

為了解決這些侷限,一組跨學科的研究團隊開發出「史丹佛健康研究之社會性別相關變項工具」(Stanford Gender-related Variables for Health Research,GVHR)。本案例研究為發表於《性別差異的生物學》中的一篇論文(Nielsen et al., 2021)之摘要。

第一項創新是開始運用社會性別是多向度的概念。目標則是在一項新工具中為健康研究記錄社會性別的相關向度,該工具針對與健康相關的社會性別提供更全面而精確的調查測度法。

這項決定有三個主要好處。第一,該工具為研究人員提供更高的精確度。研究人員可能會發現,諸如風險承擔或情緒智商等社會性別相關特徵會影響健康結果,但其他如勞動壓力的社會性別相關變項則不會。它還能使研究人員看見被單一面向掩蓋的社會性別影響。例如,一種性別相關的特徵(如照顧者負荷)可能對健康結果產生負面影響,而另一種特徵(如社會支持)則可能正面影響健康結果。

第二個好處是將社會性別概念化為多向度和多層面的,可能會使GVHR工具與跨性別*、性別酷兒及非二元人口更相關(Baker et al., 2021; National Academies, 2020)。例如,GVHR 團隊發現,非二元的受訪者報告受歧視的經驗遠比順女或順男更多。這些經驗不能被理解為「陽剛」或「陰柔」,並可能對健康產生重要影響。

最後的好處是,由於社會性別常規、特徵和關係在文化之間和文化內部有所變化,且隨時間而改變,因此可以根據需要個別地更新這些變項,也可以開發出特定文化的變項。

性別化創新2:開發並驗證「史丹佛健康研究之社會性別相關變項工具」

GVHR問卷在三種不同類別中衡量了七個性別相關變項:

  1. 社會性別常規
    1. 照顧者負荷(caregiver strain)記錄無償、長期負責照顧兒童、伴侶、朋友和年長者(不包括家務和照顧職業)的感知後果。
    2. 勞動壓力(work strain)記錄工作壓力和情感上的工作需求。
  2. 社會性別相關特徵
    1. 獨立性(independence)是一種人格特質,特點是將人視為個人而非群體的一部分,並包括能動性、自信和自決。
    2. 風險承擔(risk-taking)是指一個人承擔身體、行為和財務風險的意願。
    3. 情緒智商(emotional intelligence)衡量一個人認知及管理情緒的能力。
  3. 社會性別關係
    1. 社會支持(social support)衡量對朋友、同事、親屬、合作夥伴等提供的支持類型和程度的感知滿意度。
    2. 歧視(discrimination)衡量個人整體而言因其社會性別而在受雇用、在學校、接受醫療照護、在其他公共場所以及在他們的家庭中而感到受歧視的頻率。

此處列出的每個變項都提供社會性別相關的行為和態度如何促成健康和疾病過程的具體資訊,但暫不考慮(或說另有相關)生理性別和自認的社會性別認同,上述兩者在GVHR問卷中是與性傾向、年齡、族群/種族、關係狀態、家庭狀況、收入水準和教育背景分別收集。在臨床和人口研究中使用這些社會性別相關變項,也可以幫助醫療保健提供者了解社會性別因素是否改變了治療效果,從而需在做出治療決定時進一步考慮。

Stanford GVHR survey results

為了開發GVHR問卷,研究團隊首先進行了系統性的文獻回顧,從中獲得自1975至2015年間英語文獻中發表的74份社會性別相關問卷。研究人員從中識別出11種社會性別構成並開發出44個獨立的調查項目。這些項目由專家和一組多元的非專家測試人員進行評估。接著在三個多樣、成年的美國人口中驗證這些項目,其中兩個以網路為基礎(N = 2051;N = 2135),另一個來自患者研究檔案處(N = 489)。探索式及驗證式因素分析將這11種變項減少至前文列出的最後7種變項。

前述的社會性別相關項目也經過測試,以了解它們是否能夠預測自我報告的身心健康。照顧者負荷和歧視也與較低的身心健康有關;社會支持則與較高的心理健康有關。照顧者負荷和勞動壓力都與吸煙有關;風險承擔與酗酒有關,而歧視則與吸電子煙有關。

方法:在問卷調查中詢問生理性別與社會性別

大多數調查問卷都包含有關生理性別或社會性別的人口統計問題。傳統上,調查中關於生理性別或社會性別的項目是採取單步法(one-step method)要求受訪者說明他們是男性或女性。然而,將出生時的生理性別和社會性別認同混為一談,會降低調查研究對制定政策和創新的準確性和相關性。為了彌補這些缺點,研究人員開發了一種兩步法(two-step method),分別衡量出生時的生理性別以及目前的社會性別認同。這種兩步法已在跨性別人口中進行過測試,並在更廣泛的北美人口中獲得驗證,取得良好的效果。


未來的研究人員可能會使用這項工具調查不同的社會性別相關變項對特定健康狀況的影響。社會性別相關變項列表也可能會因應其他文化或美國文化的變遷進行擴展或調整。例如,透過整合諸如決策權(包括對家庭資源及醫療支出)以及同性/異性同居者或戀人之間的家務勞動分配等因素,可開發其它變項以更加強調社會性別關係。探索我們的社會性別相關變項與其他健康相關面向(例如健康素養、尋求健康的行為以及提供者與患者間的互動)之間的關聯也可能是很有趣的。

未來發展

史丹佛GVHR問卷已翻譯成荷蘭語(Mommersteeg et al., 2021)、西班牙語葡萄牙語以及韓語。

由加拿大麥基爾大學(McGill University)的Louise Pilote領導的「性別成果國際組織:促進福祉發展(The Gender Outcomes INternational Group: to Further Well-being Development,GOING-FWD)」出版了一份指南,針對如何在收集數據時前瞻地將社會性別變項加入生物醫學研究。他們使用加拿大衛生研究院的定義,收集了性別的四個向度:認同(認同為男人、女人或多元性別者)、角色(行為和履行的角色)、關係(人際關係和社會性別)和建制化的社會性別(基於社會性別的社會權力、資源或機會的不平等分配)。他們提供了一份流程圖,可用於考慮相關的社會性別變項並將其納入前瞻性研究設計和分析(Tadiri, 2021)。該團隊並開發出一個多步驟流程,可在變項已收集完成後,提供如何逐一辨識社會性別相關因素的見解。這涉及合併來自奧地利、加拿大、西班牙和瑞典等地數據集的討論(Raparelli, 2021)。不過,我們注意到這組團隊經常提倡使用已過時(原因如前述)的Bem性別角色清單。

其他資源包括2009年建立,並於2021年更新的PhenX工具包(表型特徵和環境暴露的共識測量),它為進行生物醫學研究提供了推薦的標準數據收集協議。該協議由領域專家工作小組透過共識選擇。建議的調查項目可用於社會性別認同、間性(intersex)狀態、性傾向、出生時分配的生理性別、族群和種族、目前就業狀況、目前年齡等。使用者進入工具包並搜尋一種類別。障礙則是針對每個已識別的條件分別測量。

令人感興趣的還有澳大利亞統計局2020年新開發的「生理性別、社會性別、性徵變化和性傾向變項標準(Statistics Standard for Sex, Gender, Variations of Sex Characteristics and Sexual Orientation Variables)」。

下一步

這項領域的工作才正開始。我們期待未來令人雀躍的發展。最終,我們希望社會性別作為社會文化變項(Gender as a Sociocultural Variable,GASV)可被開發出如同生理性別作為生物變量(Sex as a Biological Variable,SABV)所達到的精確度。



參考資料

Baker, K. E., Streed Jr, C. G., & Durso, L. E. (2021). Ensuring that LGBTQI+ people count-collecting data on sexual orientation, gender identity, and intersex status. The New England Journal of Medicine, 384(13), 1184-1186.

Bem, S. L. (1974). The measurement of psychological androgyny. Journal of Consulting and Clinical Psychology, 42(2), 155.

Canadian Institutes of Health Research (CIHR). 2010. Gender, Sex and Health Research Guide: A Tool for CIHR Applicants.

Connell, R. (2012). Gender, health and theory: conceptualizing the issue, in local and world perspective.Social science & medicine, 74(11), 1675-1683.

European Commission. 2013. Fact Sheet: Gender Equality in Horizon 2020.

Hunt, K., Lewars, H., Emslie, C., & Batty, G. D. (2007). Decreased risk of death from coronary heart disease amongst men with higher ‘femininity’ scores: A general population cohort study. 36, 612–620.

Klein, S. L., Schiebinger, L., Stefanick, M. L., Cahill, L., Danska, J., Vries, G. J. de, Kibbe, M. R., McCarthy, M. M., Mogil, J. S., Woodruff, T. K., & Zucker, I. (2015). Opinion: sex inclusion in basic research drives discovery. Proceedings of the National Academy of Sciences, 112(17), 5257–5258.

Mommersteeg, P. M. C., van Valkengoed, I., & Klinge, I. (2021). Stanford Gender-Related Variables for Health Research (GVHR) Dutch translation. Retrieved from osf.io/b9u2h

Nauman, A. T., Behlouli, H., Alexander, N., Kendel, F., Drewelies, J., Mantantzis, K., Berger, N., Wagner, G. G., Gerstorf, D., Demuth, I., Pilote, L., & Regitz-Zagrosek, V. (2021). Gender score development in the Berlin Aging Study II: A retrospective approach. Biology of Sex Differences, 12(1), 15.

National Academies of Sciences, Engineering, and Medicine. (2020). Understanding the Status and Well-Being of Sexual and Gender Diverse Populations.Washington, DC: National Academies Press.

Nielsen, M. W., Stefanick, M. L., Peragine, D., Neilands, T. B., Ioannidis, J. P. A., Pilote, L., Prochaska, J. J., Cullen, M. R., Einstein, G., Klinge, I., LeBlanc, H., Paik, H. Y., & Schiebinger, L. (2021). Gender-related variables for health research. Biology of Sex Differences, 12(1), 23.

Pelletier, R., Khan, N. A., Cox, J., Daskalopoulou, S. S., Eisenberg, M. J., Bacon, S. L., ... & GENESIS-PRAXY Investigators. (2016). Sex versus gender-related characteristics: which predicts outcome after acute coronary syndrome in the young? Journal of the American College of Cardiology, 67(2), 127-135.

Pelletier, R., Ditto, B., & Pilote, L. (2015). A composite measure of gender and its association with risk factors in patients with premature acute coronary syndrome. Psychosomatic Medicine, 77(5), 517–526.

Raparelli, V., Norris, C. M., Bender, U., Herrero, M. T., Kautzky-Willer, A., Kublickiene, K., ... & Pilote, L. (2021). Identification and inclusion of gender factors in retrospective cohort studies: the GOING-FWD framework. BMJ Global Health, 6(4), e005413.

Schiebinger, L. (1991). The Mind Has No Sex?: Women in the Origins of Modern Science. Harvard University Press.

Stefanick, M. L., & Schiebinger, L. (2020). Analysing how sex and gender interact. The Lancet, 396(10262), 1553-1554.

Tannenbaum, C., Ellis, R. P., Eyssel, F., Zou, J., & Schiebinger, L. (2019). Sex and gender analysis improves science and engineering.Nature, 575(7781), 137-146.

Tadiri, C. P., Raparelli, V., Abrahamowicz, M., Kautzy-Willer, A., Kublickiene, K., Herrero, M. T., ... & GOINGFWD Consortium. (2021). Methods for prospectively incorporating gender into health sciences research.Journal of Clinical Epidemiology, 129, 191-197.

Wizemann, T. M., & Pardue, M.-L. (Eds.). (2001). Exploring the Biological Contributions to Human Health: Does Sex Matter? National Academies Press.

原文網頁連結,如對本網頁翻譯有問題,歡迎聯絡我們



即將上架。