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

No mundo da medicina, os médicos há muito dependem de uma simples distinção biológica para compreender a saúde: o sexo. Isso se refere aos traços físicos com os quais uma pessoa nasce, como cromossomos e hormônios. No entanto, uma força separada, mas igualmente poderosa, molda a forma como as pessoas vivenciam a doença e a recuperação: o gênero. O gênero não é um fato biológico, mas sim um fato social, construído a partir dos papéis, expectativas e das vidas cotidianas que a sociedade atribui às pessoas com base em como elas são percebidas. O gênero de uma pessoa influencia seus níveis de estresse, seu trabalho, quem cuida dela quando está doente e como ela interage com o mundo. Durante décadas, a pesquisa médica frequentemente ignorou essa nuance, tratando o gênero como uma simples escolha entre masculino e feminino, ou ignorando-o inteiramente. Essa omissão significou que sintomas e tratamentos específicos da experiência social de uma pessoa foram frequentemente rotulados erroneamente como diferenças biológicas ou deixados sem explicação.

Para corrigir isso, pesquisadores passaram anos criando ferramentas, ou instrumentos, para medir o gênero com mais precisão. Essas ferramentas são essencialmente listas de verificação de perguntas sobre a vida de uma pessoa, variando desde sua ocupação e renda até seus traços de personalidade e deveres de cuidado. O objetivo é transformar essas complexas experiências sociais em números que possam ser estudados juntamente com dados biológicos. Mas, à medida que o número dessas ferramentas crescia, um novo problema surgia. Com dezenas de diferentes listas de verificação em uso, ninguém sabia como elas realmente se relacionavam entre si. Duas ferramentas diferentes mediam a mesma coisa? Elas cobriam toda a gama da experiência humana ou focavam todas no mesmo recorte estreito da vida? Sem uma maneira de compará-las, o campo corria o risco de se tornar uma coleção de estudos desconectados que não poderiam construir uns sobre os outros.

Uma equipe de pesquisadores da Alemanha e dos Países Baixos propôs-se a mapear esse cenário. Eles reuniram vinte e oito ferramentas diferentes de medição de gênero publicadas entre 1974 e 2025 e as analisaram não apenas lendo as perguntas, mas usando um método computacional que compreende o significado por trás das palavras. Imagine um bibliotecário que pode instantaneamente classificar milhares de livros não apenas pelo título, mas pela história real dentro deles, agrupando livros que contam histórias semelhantes mesmo que suas capas pareçam diferentes. Os pesquisadores usaram uma abordagem digital semelhante para ver como essas vinte e oito ferramentas se sobrepunham, onde divergiam e quais pontos cegos compartilhavam.

A primeira coisa que a equipe descobriu foi que essas ferramentas estão longe de serem uniformes. Eles descobriram que as perguntas feitas nesses instrumentos estão fortemente concentradas em apenas algumas áreas da vida. A maioria das variáveis medidas cai em quatro categorias principais: personalidade e estilo de vida, status econômico, saúde mental e o trabalho de cuidar de outros. Juntas, essas quatro áreas compõem quase oitenta por cento de todas as perguntas feitas nas vinte e oito ferramentas. Em contraste, outros aspectos vitais da identidade de uma pessoa foram amplamente ignorados. Perguntas sobre idade, identidade sexual, raça, religião ou visões de mundo pessoais apareceram em pouquíssimas ferramentas, e muitas vezes apenas como um detalhe secundário. Isso sugere que a pesquisa médica atual está capturando uma versão específica e estreita de gênero, uma que se ajusta bem à vida em nações ocidentais ricas, mas que pode falhar ao descrever as realidades de pessoas em outras partes do mundo ou de pessoas com diferentes estruturas de vida.

Quando os pesquisadores olharam mais de perto para as palavras específicas usadas nas perguntas, encontraram uma falta de concordância surpreendente. De quase quatrocentas variáveis únicas, apenas vinte e quatro apareciam em mais de uma ferramenta. Mesmo assim, a redação era frequentemente diferente; uma ferramenta poderia perguntar sobre "estado civil" enquanto outra pergunta sobre "estado civil" (no sentido de situação jurídica), embora signifiquam a mesma coisa. Essa fragmentação dificultava a comparação direta entre estudos. Para resolver isso, a equipe utilizou um sistema computacional capaz de entender o significado dessas diferentes frases. Eles trataram as perguntas como sentenças e calcularam o quão semelhantes eram seus significados, permitindo-lhes agrupar as ferramentas com base no que elas realmente estavam tentando medir, em vez de apenas como eram rotuladas.

Essa análise mais profunda revelou que as ferramentas se organizavam naturalmente em seis grupos distintos. Um grupo focava inteiramente em como as pessoas expressam sua identidade de gênero, perguntando sobre autocategorização e apresentação social. Outro grupo era dedicado a traços de personalidade, usando listas de adjetivos para descrever características masculinas ou femininas. Um terceiro grupo olhava estritamente para papéis sociais, como renda, educação e quem faz o trabalho doméstico. Outros grupos misturavam esses elementos, criando ferramentas que combinavam traços psicológicos com fatores sociais, ou ferramentas que focavam especificamente em resultados de saúde, como trauma ou doenças crônicas. Os pesquisadores descobriram que as ferramentas dentro de um mesmo grupo eram muito semelhantes entre si, mas as ferramentas de grupos diferentes mediam coisas completamente distintas. Por exemplo, uma ferramenta projetada para medir traços de personalidade não era intercambiável com uma projetada para medir o status econômico, mesmo que ambas fossem rotuladas como "medidas de gênero".

O estudo também destacou um viés geográfico significativo. Quase todas as ferramentas vieram da Europa e da América do Norte, especificamente de países de alta renda. Isso significa que as perguntas feitas refletem as estruturas sociais dessas regiões, como o emprego formal e tipos específicos de arranjos familiares. Os pesquisadores observaram que essas ferramentas provavelmente não funcionariam em lugares onde os mercados de trabalho, as composições familiares ou as formas de medir a renda são diferentes. Além disso, descobriram que pouquíssimas dessas ferramentas foram projetadas para serem usadas em ambientes hospitalares de rotina. A maioria exigia dados que os médicos normalmente não coletam, como pesquisas detalhadas sobre a infância de um paciente ou hábitos sociais específicos, tornando difícil aplicar esses insights no atendimento médico cotidiano.

Talvez a descoberta mais importante seja que o campo tem operado sem uma linguagem compartilhada. Os pesquisadores mostraram que, embora existam muitas ferramentas, elas não formam um sistema único e coeso. Em vez disso, são aglomerados dispersos de diferentes abordagens, cada uma com seu próprio foco e pontos cegos. Ao mapear essas relações, a equipe forneceu o primeiro panorama claro de como esses instrumentos convergem e divergem. Eles demonstraram que, para avançar, a comunidade médica precisa parar de tratar o gênero como uma única caixa de seleção e começar a reconhecê-lo como uma experiência complexa e multidimensional. O trabalho sugere que, antes que os médicos possam usar de forma confiável pontuações de gênero na clínica, o campo deve concordar com um vocabulário mais rico e diverso que capture o espectro completo da vida humana, em vez de apenas as partes que se encaixam perfeitamente em uma caixa binária. Este mapeamento não é uma solução final, mas um primeiro passo necessário para construir uma compreensão compartilhada que possa finalmente ajudar a medicina a enxergar a pessoa como um todo.