Sekse- & genderspecifieke gezondheidsdeterminanten en de impact op multimorbiditeit
Sekse en gender in onderzoek
Projectleider Silvan Licher licht toe hoe sekse en gender binnen dit project zijn geïntegreerd.
Wat was de belangrijkste onderzoeksvraag, en welke rol zouden sekse of gender gerelateerde aspecten daarin kunnen spelen?
‘De belangrijkste onderzoeksvraag die wij in project SHIFT adresseren is wat de verschillen zijn in het ontstaan van multimorbiditeit vanaf de middelbare leeftijd tussen mannen en vrouwen. We kijken naar verschillen in sekse (biologische en fysiologische verschillen tussen mensen) en gender (sociaal geconstrueerde rollen, gedrag, uitingen en identiteiten). Wij achten de verschillen tussen deze factoren van groot belang, aangezien deze bijdragen in de manier waarop mensen ziekte ervaren, en hoe en wanneer zij daar (medisch) hulp voor gaan zoeken.’
Hoe heb je sekse en/of gender geoperationaliseerd binnen dit project?
‘Sekse is uitgevraagd via zelf-rapportage. Voor gender hebben we aspecten van gendergerelateerde normen, relaties en instellingen gemeten binnen de beschikbare gegevens in het lopende onderzoek. Geïnformeerd door bestaand onderzoek naar genderaspecten in gezondheid (bijv. werk gedaan door Canadian Institute of Gender and Health, https://cihr-irsc.gc.ca/e/8673.html), hebben we gekeken naar genderverschillen in meerdere dimensies en hebben we een samengestelde score gecreëerd die rekening houdt met genderspecifieke relaties (huwelijksstatus, sociale betrokkenheid), rollen (beroep) en institutionele (inkomen, opleidingsniveau, beroep) factoren. Om de score te valideren, hebben we (1) gecontroleerd in hoeverre deze score correleerde met zelf gerapporteerde sekse, (2) getest in hoeverre we in de verzamelde gegevens twee (of meer) clusters konden identificeren die overeenkomen met mannelijke en vrouwelijke categorieën, en (3) getest hoeveel de genderscore verandert gedurende kalendertijd en individuele follow-uptijd. In een volgende stap hebben we gekeken in hoeverre de score gerelateerd was aan ziekte-uitkomsten.’
Welke onderdelen in de operationalisatie van sekse en/of gender werkten goed? En welke minder goed?
‘Binnen het sekse-deel van het onderzoek hebben wij op systematische en nauwkeurige wijze verschillen in (ervaren) ziektelast blootgelegd. Deze studie maakt gebruik van jarenlange follow-up aan data, waardoor het van groot belang was om een stabiele determinant te gebruiken. De operationalisatie van gender was in dit kader ingewikkelder.
In de analyses hebben wij opgemerkt dat de gebruikte genderspecifieke risicofactoren erg gevoelig waren voor de wijze waarop wij ze categoriseerden. Zo ontstonden er al snel grote verschillen in de correlatie tussen de score en zelf-gerapporteerde sekse, alsmede genderspecifieke (gelijktijdige) ziektelast als wij de afkapwaarde van veelvuldig gebruik van alcohol wat verlaagden. Daarnaast was de categorisatie van gender op basis van deze score ook erg instabiel over de kalendertijd. Het klopt inderdaad dat vrouwen vroeger over het algemeen lager opgeleid waren dan mannen in Nederland. Dit is over de jaren heen echter flink veranderd, en door hen op de start van de studie al in te delen in een bepaalde gender categorie is de mogelijke mate van ‘cross-over’ naar een andere categorie niet meegenomen. Ook in dit project bleek dat geslachtsscores (en ook de indeling in vrouwelijk en mannelijk) veranderden gedurende de follow-up tijd, aangezien sommige van de gegevens die we gebruikten tijdsafhankelijk waren (bijv. burgerlijke staat of beroep).’
Welke tips wil je meegeven aan andere onderzoekers om sekse en/of gender te integreren in hun onderzoek?
‘Mijn 5 tips voor onderzoekers:
- Dit lopende onderzoek maakte gebruik van bestaande data, die oorspronkelijk niet ontwikkeld waren om gender verschillen te meten. Daardoor misten wij gegevens over hoe mensen zichzelf identificeerden, een belangrijke component voor de operationalisatie van gender.
- Mocht men gebruik maken van risicoscores om gender te operationaliseren, verdient het sterk de aanbeveling om verschillende afkapwaardes te onderzoeken om mensen te karakteristeren als feminien, masculien of bijvoorbeeld non-binair.
- Aansluitend bij punt 2 is een analyse met longitudinale data gevoelig voor veranderingen in het sociaal-maatschappelijke domein ten aanzien van de manier waarop wij gender zien als samenleving. Een kalender-gestratificeerde analyse kan hierbij helpen en ook kwantificeren hoe (in)stabiel de gekozen categorisatie is over tijd.
- Nadat de analyses zijn uitgevoerd, moet men met grote voorzichtigheid de resultaten en uiteindelijke bevindingen interpreteren. Men moet nadrukkelijk stil staan bij de vraag in hoeverre de bevindingen generaliseerbaar zijn naar het huidige tijdsgewricht in de maatschappij.
- Bij gebruik van data die niet oorspronkelijk zijn bedoeld om gender te meten, is het belangrijk om te erkennen dat zelfs na een robuuste gevoeligheidsanalyse, de gecreëerde categorieën mogelijk niet nauwkeurig de geslachtsrollen en relaties van de deelnemers aan de studie weerspiegelen. Het wordt ten zeerste aanbevolen om elke operationalisering van gender te valideren in een andere context dan waarin ze oorspronkelijk zijn gemaakt.’
Meer informatie
- Lees ook de overige interviews uit deze reeks
- Project Sekse- & genderspecifieke gezondheidsdeterminanten en de impact op de transitie van ziekte naar multimorbiditeit
- Gender en preventie wetenschapsblogs
- Bekijk wat we nog meer doen op het gebied van onderzoek naar sekse en gender in het gezondheidszorgonderzoek