将女性排除在外的研究，不仅仅是“性别中立”的—它是“不完整的”，后果可能是致命的。例如，女性在车祸中受伤的可能性比男性高73%，死亡的可能性高17%。其中一个原因是，车辆安全试验中使用的碰撞测试假人，旨在模仿普通男性的身体。直到2022年，“女性”假人才被开发出来。

医护人员使用的个人防护设备，也是针对男性身体进行优化，女性必须使用相同尺寸，即使女性更加嬌小。在2020年对英国医护人员进行的一项调查中，44.7%的女性认为个人防护服不合身，而男性这一比例只有15.3%。在加拿大最近的一项调查中，超过80%的女性受访者报告了个人防护装备的问题。

同样，警察使用的“男女皆宜”防弹衣是为男性设计的，让女性既不舒服，也可能更容易受到攻击，尤其是在腋窝和脖子周围。英国现在有5万名女性担任警察，直到2023年才引入女性专用防弹衣。

医疗方面，女性不再被排除在临床试验之外，但代表性仍然不足，特别是在试验的早期阶段。因此，女性仍然面临更高的药物不良副作用风险，尤其是因为推荐剂量没有针对女性进行优化。对女性服用与男性相同剂量之药物的研究分析表明，在超过90%的例子中，女性经历了更强的副作用和更多的不良反应。该分析源于对服用安眠药物Ambien的女性所经历的严重副作用的观察，包括第二天早上的交通事故率更高。研究人员发现，推荐剂量在女性血液中的浓度和药物消除时间，比男性高得多。美国食品和药物管理局现在建议，女性接受“标准”剂量的一半。

更糟糕的是，当涉及主要影响女性的健康问题时，研究往往根本没有得到资助。在近75%的疾病主要影响一种性别的例子中，这种模式有利于男性：“男性疾病”资金过剩，而“女性疾病”资金不足。

同样，与健康相关的数据主要来自男性，这带来了严重风险，因为基于这些数据训练的人工智能被应用于医疗保健。例如，如果一名男子报告左臂和背部疼痛，一个医疗应用程序将建议他寻求潜在心脏病发作的帮助。同样的应用程序可能会说，女性正在经历抑郁症，因此不需要紧急护理。

人工智能也有可能以其他方式伤害女性。2015年，亚马逊取消了其人工智能招聘工具，因为它表现出对女性的偏见。通过观察过去十年提交的简历（绝大多数来自男性的简历）的模式来“学会”评估申请，计算机模型对男性候选人的评价更高。这并不奇怪，因为女性仅占人工智能研究人员的12%和软件开发人员的6%。其他几家仍在使用人工智能软件进行招聘的公司，并没有监控其偏见。

尽管有大量证据表明，性别平等的进步在推动经济发展方面发挥着重要作用，但只关注增长的宏观方面的分析却忽视了性别。忽视政府支出、税收和货币政策对男性和女性产生的影响不同这一事实，可能导致经济评估缺陷，破坏政策的有效性和预测的准确性。

例如，妇女作为主要照料者的无偿劳动，在宏观经济政策中没被考虑到。做饭、打扫卫生、打水、照顾儿童和老人等工作，具有可观的经济价值，占GDP的10%～60%。由于不分性别的分析，妇女工作过度，工资过低。在增加妇女在劳动力中的比例的同时，需要制定减少和重新分配这种无偿劳动的政策。

当全球一半的人口被归为日后再考虑时，研究不再准确，政策不再有效，人类福利也将减少。在研究、产品设计、技术和政策的每个领域明确考虑女性成为常态之前，这种情况不会改变。

纳维卡·梅塔是国际经济协会的经济学家兼编辑，通过IEA女性参与经济倡议的“扩大女性之声”项目，倡导在经济领域实现更大的性别平等和代表性。本文已获Project Syndicate授权。