Mapping gender measurement approaches through semantic embedding and intersectionality framework reveals hidden trends

Nel mondo della medicina, i medici si sono a lungo affidati a una semplice distinzione biologica per comprendere la salute: il sesso. Questo si riferisce ai tratti fisici con cui una persona nasce, come cromosomi e ormoni. Tuttavia, una forza separata ma altrettanto potente modella il modo in cui le persone vivono l'esperienza della malattia e del recupero: il genere. Il genere non è un fatto biologico ma sociale, costruito dai ruoli, dalle aspettative e dalla vita quotidiana che la società assegna alle persone in base a come vengono percepite. Il genere di una persona influenza i suoi livelli di stress, il suo lavoro, chi si prende cura di lei quando sta male e come interagisce con il mondo. Per decenni, la ricerca medica ha spesso trascurato questa sfumatura, trattando il genere come una semplice scelta tra maschio e femmina, o ignorandolo del tutto. Questa svista ha significato che sintomi e trattamenti specifici dell'esperienza sociale di una persona venivano frequentemente etichettati erroneamente come differenze biologiche o lasciati senza spiegazione.

Per correggere questo aspetto, i ricercatori hanno trascorso anni a creare strumenti, o strumenti di misura, per misurare il genere in modo più accurato. Questi strumenti sono essenzialmente liste di controllo di domande sulla vita di una persona, che spaziano dalla sua occupazione e reddito ai suoi tratti della personalità e ai compiti di cura. L'obiettivo è trasformare queste complesse esperienze sociali in numeri che possano essere studiati insieme ai dati biologici. Ma con l'aumentare di questi strumenti, è emerso un nuovo problema. Con decine di diverse liste di controllo in uso, nessuno sapeva come fossero realmente correlate tra loro. Due diversi strumenti misuravano la stessa cosa? Coprivano l'intero spettro dell'esperienza umana, o si concentravano tutti sullo stesso stretto frammento di vita? Senza un modo per confrontarli, il campo rischiava di diventare una collezione di studi disconnessi che non potevano costruire l'uno sull'altro.

Un team di ricercatori dalla Germania e dai Paesi Bassi si è dato il compito di mappare questo panorama. Hanno raccolto ventotto diversi strumenti di misurazione del genere pubblicati tra il 1974 e il 2025 e li hanno analizzati non solo leggendo le domande, ma utilizzando un metodo informatico che comprende il significato dietro le parole. Immaginate un bibliotecario che può smistare istantaneamente migliaia di libri non solo per il loro titolo, ma per la storia reale contenuta in essi, raggruppando insieme i libri che raccontano storie simili anche se le loro copertine appaiono diverse. I ricercatori hanno usato un approccio digitale simile per vedere come questi ventotto strumenti si sovrapponessero, dove divergessero e quali punti ciechi condividessero.

La prima cosa che il team ha scoperto è che questi strumenti sono tutt'altro che uniformi. Hanno scoperto che le domande poste in questi strumenti sono fortemente concentrate in pochissime aree della vita. La maggior parte delle variabili misurate rientra in quattro categorie principali: personalità e stile di vita, stato economico, salute mentale e il lavoro di cura verso gli altri. Insieme, queste quattro aree costituiscono quasi l'ottanta per cento di tutte le domande poste nei ventotto strumenti. Al contrario, altri aspetti vitali dell'identità di una persona sono stati ampiamente ignorati. Domande sull'età, l'identità sessuale, la razza, la religione o le visioni personali del mondo apparivano in pochissimi strumenti, e spesso solo come un pensiero secondario. Ciò suggerisce che la ricerca medica attuale stia catturando una versione specifica e ristretta del genere, una che si adatta bene alla vita nelle nazioni ricche e occidentali, ma che potrebbe non descrivere la realtà delle persone in altre parti del mondo o di coloro che hanno strutture di vita differenti.

Quando i ricercatori hanno esaminato più da vicino le parole specifiche utilizzate nelle domande, hanno trovato una sorprendente mancanza di accordo. Su quasi quattrocento variabili uniche, solo ventiquattro apparivano in più di uno strumento. Anche in quel caso, la formulazione era spesso diversa; uno strumento poteva chiedere lo "stato civile", mentre un altro chiedeva lo "stato di coniugazione", anche se intendono la stessa cosa. Questa frammentazione rendeva difficile confrontare direttamente gli studi. Per risolvere il problema, il team ha utilizzato un sistema informatico capace di comprendere il significato di queste diverse frasi. Hanno trattato le domande come frasi e hanno calcolato quanto i loro significati fossero simili, permettendo loro di raggruppare gli strumenti in base a ciò che stavano effettivamente cercando di misurare, piuttosto che in base a come erano etichettati.

Questa analisi più approfondita ha rivelato che gli strumenti si dividevano naturalmente in sei gruppi distinti. Un gruppo si concentrava interamente su come le persone esprimono la propria identità di genere, chiedendo informazioni sull'auto-categorizzazione e sulla presentazione sociale. Un altro gruppo era dedicato ai tratti della personalità, utilizzando elenchi di aggettivi per descrivere caratteristiche maschili o femminili. Un terzo gruppo guardava strettamente ai ruoli sociali, come il reddito, l'istruzione e chi si occupa delle faccende domestiche. Altri gruppi mescolavano questi elementi, creando strumenti che combinavano tratti psicologici con fattori sociali, o strumenti che si concentravano specificamente sugli esiti sanitari come il trauma o le malattie croniche. I ricercatori hanno scoperto che gli strumenti all'interno dello stesso gruppo erano molto simili tra loro, ma gli strumenti di gruppi diversi misuravano spesso cose completamente diverse. Ad esempio, uno strumento progettato per misurare i tratti della personalità non era intercambiabile con uno progettato per misurare lo stato economico, anche se entrambi erano etichettati come "misure di genere".

Lo studio ha anche evidenziato un significativo pregiudizio geografico. Quasi tutti gli strumenti provenivano dall'Europa e dal Nord America, specificamente da paesi ad alto reddito. Ciò significa che le domande poste riflettono le strutture sociali di quelle regioni, come l'impiego formale e specifici tipi di arrangiamenti familiari. I ricercatori hanno osservato che questi strumenti probabilmente non funzionerebbero in luoghi in cui i mercati del lavoro, le composizioni dei nuclei familiari o i modi di misurare il reddito sono differenti. Inoltre, hanno scoperto che pochissimi di questi strumenti erano progettati per essere utilizzati negli ambulatori di routine. La maggior parte richiedeva dati che i medici non raccolgono tipicamente, come sondaggi dettagliati sull'infanzia di un paziente o abitudini sociali specifiche, rendendo difficile applicare queste intuizioni alla cura medica quotidiana.

Forse il risultato più importante è stato che il campo è stato operante senza un linguaggio condiviso. I ricercatori hanno dimostrato che, sebbene esistano molti strumenti, essi non formano un sistema unico e coeso. Al contrario, sono cluster sparsi di diversi approcci, ognuno con il proprio focus e i propri punti ciechi. Mappando queste relazioni, il team ha fornito la prima immagine chiara di come questi strumenti convergano e divergano. Hanno dimostrato che, per procedere, la comunità medica deve smettere di trattare il genere come una singola casella da spuntare e iniziare a riconoscerlo come un'esperienza complessa e multidimensionale. Il lavoro suggerisce che, prima che i medici possano utilizzare in modo affidabile i punteggi di genere in clinica, il settore debba concordare su un vocabolario più ricco e diversificato che catturi l'intero spettro della vita umana, piuttosto che solo le parti che si adattano comodamente in una scatola binaria. Questa mappatura non è una soluzione finale, ma un primo passo necessario verso la costruzione di una comprensione condivisa che possa finalmente aiutare la medicina a vedere la persona nella sua interezza.