Reporting of race and ethnicity in studies of artificial intelligence in pediatric urology

A secondary analysis of the AI-PEDURO online repository

Auteurs-es

  • Hyunwoong Harry Chae University of British Columbia
  • David-Dan Nguyen Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada; Institute of Health Policy, Management and Evaluation, Dalla Lana School of Public Health, University of Toronto, Toronto, ON, Canada; Schwartz Reisman Institute for Technology and Society, University of Toronto, Toronto, ON, Canada
  • Adree Khondker Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada; Division of Urology, The Hospital for Sick Children, Toronto, ON, Canada.
  • Mandy Rickard Division of Urology, The Hospital for Sick Children, Toronto, ON, Canada.
  • Lauren Erdman Temerty Centre for AI Research and Education in Medicine, University of Toronto, Toronto, ON, Canada; James M. Anderson Center for Health Systems Excellence, Cincinnati Children’s Hospital Medical Center and University of Cincinnati School of Medicine, Cincinnati, OH, USA
  • Andrew T. Gabrielson James Buchanan Brady Urological Institute, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
  • Jin Kyu Kim Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada; Division of Urology, The Hospital for Sick Children, Toronto, ON, Canada.; Division of Urology, Riley Children’s Hospital, Indianapolis, IN, USA.
  • Jethro CC. Kwong Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada
  • Brian Chun Division of Urology, Children’s Hospital of Los Angeles, CA, USA.
  • Tariq Abbas Division of Urology, Sidra Medicine, Doha, Qatar
  • Nicolas Fernandez Division of Pediatric Urology, Seattle Children’s Hospital, Seattle, WA, USA.
  • Katherine Fischer Division of Urology, Children’s Hospital of Philadelphia, Philadelphia, PA, USA.
  • Lisette A. 't Hoen Department of Urology, Sophia Children’s Hospital, Erasmus University Medical Center, Rotterdam, The Netherlands
  • Daniel T. Keefe Department of Urology, IWK Hospital, Halifax, NS, Canada.
  • Hsin-Hsiao (Scott) Wang Department of Urology, Boston Children’s Hospital, Boston, MA, USA
  • John Weaver Department of Urology, Cleveland Clinic Children’s Hospital, Cleveland, OH, USA
  • Armando J. Lorenzo Division of Urology, Department of Surgery, University of Toronto, Toronto, ON, Canada; Division of Urology, The Hospital for Sick Children, Toronto, ON, Canada.
  • Caleb P. Nelson Department of Urology, Boston Children’s Hospital, Boston, MA, USA

DOI :

https://doi.org/10.5489/cuaj.9541

Mots-clés :

Artificial intelligence, Machine learning, Pediatric Urology, Race, ethnicity

Résumé

Introduction: While an increasing number of artificial intelligence (AI) models are being developed in pediatric urology, the extent of race/ethnicity reporting among these studies is unclear. Our objective was to evaluate the inclusion and quality of race/ethnicity reporting in AI models in pediatric urology.

Methods: We conducted a secondary analysis of studies included in the AI in PEDiatric UROlogy (AI-PEDURO) collaborative living scoping review and repository. We examined racial/ethnic groups reported, their proportional representation, use of race/ethnicity as a predictor, conducting of stratified analyses by race/ethnicity, data collection methods, bias evaluation, and discussions of implications on equity.

Results: Of 81 studies in the AI-PEDURO repository, six (7.4%) reported race/ethnicity. Five studies included White and Black patients, representing 4824/7968 (60.5%) and 1377/7968 (17.3%) of the pooled cohort, respectively. Asian patients were included in three studies and represented 178/6861 (2.6%). Two studies reported Native Hawaiian or other Pacific Islander and Hispanic or Latino patients, representing 20/6704 (0.3%) and 1236/6704 (18.4%), respectively. One study included American Indian or Alaska Native patients, representing 69/6604 (1.0%). Mixed patients were included in three studies and represented 103/7711 (1.3%). Race/ethnicity was a predictor variable in 4/6 studies. None of these six studies conducted stratified analyses of model performance across race/ethnicity subgroups, reported race/ethnicity data collection methodologies, examined algorithmic biases, discussed implications on equity, or examined socioeconomic status or geographic residence.

Conclusions: Race/ethnicity reporting is poor in most AI studies in pediatric urology. Standardized reporting may help ensure fairness and generalizability of models across diverse pediatric urology populations.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Téléchargements

Publié-e

2026-03-30

Comment citer

Chae, H. H., Nguyen, D.-D., Khondker, A., Rickard, M., Erdman, L., Gabrielson, A. T., … Nelson, C. P. (2026). Reporting of race and ethnicity in studies of artificial intelligence in pediatric urology: A secondary analysis of the AI-PEDURO online repository. Canadian Urological Association Journal, 20(8). https://doi.org/10.5489/cuaj.9541

Numéro

Vol. 20 No. 8 (2026): CUAJ August

Rubrique

Review

Licence

Les auteurs accordent les droits d’auteurs liés à l’article et son contenu à l’Association des urologues du Canada. Cette entente signifie que vous ne pouvez pas faire ce qui suit, sans d’abord obtenir l’autorisation écrite de l’AUC :

  • Afficher l’article sur tout site Web.
  • Traduire ou autoriser une tierce partie à traduire l’article.
  • Copier ou reproduire l’article par quelque moyen que ce soit et sous tout format que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.
  • Copier ou reproduire des sections de l’article, y compris les tableaux et figures, par quelque moyen que ce soit, ou autoriser d’autres à le faire, au-delà de ce qui est permis par la loi canadienne du droit d’auteur.

L’AUC encourage l’usage des articles à des fins éducatives sans but commercial et ne refusera pas sans motif raisonnable toute demande d’autorisation à cet effet.

Vous conservez le droit moral lié à l’article et son contenu. Cela signifie que l’AUC ne peut utiliser ses droits d’auteurs d’une manière telle que cela pourrait avoir des répercussions négatives sur votre réputation ou sur votre droit à être associé à l’article.

L’AUC exige également que vous garantissiez ce qui suit :

  • Vous êtes l’auteur ou les auteurs et seul(s) propriétaire(s) du contenu, le contenu de l’article est original et n’a jamais été publié et vous n’en avez pas déjà cédé les droits d’auteurs ni accordé de licence concernant son contenu à toute autre tierce partie;
  • Toutes les personnes qui ont contribué de manière considérable à la rédaction de l’article sont mentionnées;
  • L’article ne viole aucun droit de propriété de toute tierce partie, et vous avez obtenu les autorisations requises pour inclure les travaux d’autres personnes dans cet article; et
  • L’article ne diffame aucune tierce partie ni ne viole les droits à la vie privée de toute tierce partie.