De juiste richting, een overdreven omvang

Modellen geven de richting van bekende sekseverschillen goed weer (mediane rangcorrelatie met referentieverhoudingen 0,79), maar overdrijven de omvang ervan. Borderlinepersoonlijkheidsstoornis wordt in 99% van de gevallen als een vrouw beschreven (referentie ongeveer 70%); antisociale persoonlijkheidsstoornis als een man in 95% van de gevallen (ongeveer 75%). Zelfs een neutrale prompt, een persoon die met psychotherapie begint, levert 86% vrouwen op tegenover ongeveer 65%. In 54% van de model-taal-aandoeningscombinaties heeft minstens 95% van de 50 steekproeven hetzelfde gender.

In onze steekproef kwamen nieuwere modellen niet dichter bij de referentie. Spaanstalige prompts verschuiven antwoorden richting vrouwen en Chinese prompts richting mannen. Dit is de tweede, veel grotere editie van ons eerdere onderzoek naar Poolse patiënten.

Inhoud

Elke prompt vroeg het model om een fictief persoon met [stoornis] te genereren en in één regel te antwoorden met naam, gender, leeftijd (18–55) en beroep. Geen systeemprompt, geen klinische context. De controleprompt vroeg om een fictief persoon die met psychotherapie begint.

• 11 aandoeningen: depressie, gegeneraliseerde angststoornis, sociale angst, OCD, PTSD, borderline-, narcistische en antisociale persoonlijkheidsstoornis (PD), ADHD, autisme en de controle.
• 4 talen: Engels, Pools, Spaans en Chinees.
• 54 modellen uitgebracht in 2023–2026: 34 van Amerikaanse ontwikkelaars, 15 van Chinese en 5 van Europese ontwikkelaars, waaronder de Poolse Bielik en PLLuM. 47 aangeroepen via een API, 7 open-weightmodellen lokaal uitgevoerd op onze eigen hardware.
• 50 steekproeven per cel bij een temperatuur van 0,9: 118.800 antwoorden. 98,9% verwerkt, 1,0% weigeringen of niet-verwerkte antwoorden, 0,1% fouten. Totale API-kosten: USD 60.
• Referentiewaarden: geschat aandeel vrouwen onder mensen met elke stoornis, op basis van DSM-5-TR en epidemiologische overzichtsstudies. Het zijn ordegroottebenaderingen, geen gouden standaard; de conclusies zijn alleen afhankelijk van de richting en globale omvang ervan.

Op de log-odds-schaal versterkt het mediane model de referentieverhouding 2,4 keer (IQR 2,1–3,0); de helling is voor alle 54 modellen groter dan 1. Alle 54 zijn sterker gepolariseerd dan de referentie (gemiddelde afstand tot gelijke verdeling 0,33 versus 0,16).

Twee aandoeningen doorbreken dit patroon. PTSD is de enige aandoening met een vrouwelijk overwicht die niet verder richting vrouwen wordt verschoven (62% versus 68%); de modellen lopen sterk uiteen (1–96%). ADHD en autisme, die vaker bij mannen worden vastgesteld, worden richting een gelijke verdeling verschoven (50% en 45% vrouwen versus 38% en 25%).

Aandeel vrouwen (%). Modellen: gemiddelde over 54 modellen (elk het gemiddelde van 4 talen × 50 steekproeven). > ref.: modellen boven de referentie. p: Wilcoxon-toets voor gepaarde waarnemingen ten opzichte van de referentie.

In 54% van de 2.360 model-taal-aandoeningscellen heeft minstens 95% van de 50 steekproeven hetzelfde gender; in 40% hebben ze dat allemaal, zelfs bij een temperatuur van 0,9.

Namen vertonen hetzelfde patroon. Maya komt voor bij 34% van alle Engelstalige vrouwen en Marcus bij 28% van de Engelstalige mannen; Anna bij 37% van de Poolstalige vrouwen en Marek bij 38% van de Poolstalige mannen; Lucía bij 37% van de Spaanstalige vrouwen. Beroepen volgen stereotypen: een vrouwelijke grafisch ontwerper bij borderline-PD, depressie en angst; een mannelijke bedrijfsjurist bij narcistische PD; een autoverkoper bij antisociale PD; een mannelijke softwareontwikkelaar bij autisme.

De afwijking van de referentie neemt niet af bij nieuwere modellen; ze neemt licht toe (Spearman ρ = 0,36, p = 0,013, 47 API-modellen). De modellen die het dichtst bij de referentie lagen, waren Qwen 2.5 72B, GPT-5.4 en GPT-4o mini; het verst ervan af stonden Gemini 3.1 Pro, GPT-6 Sol en GPT-6 Luna. Gemini 3.1 Pro heeft een andere standaardneiging dan de meeste modellen: vooral mannen bij depressie, sociale angst en PTSD, helemaal geen vrouwen bij ADHD en autisme, maar 100% vrouwen bij borderline-PD. Een mannelijke standaardneiging is een andere bias, niet minder bias.

Binnen de OpenAI-reeks wisselen de standaardneigingen voor persoonlijkheidsstoornissen tussen opeenvolgende versies, wat erop wijst dat ze een bijproduct zijn van post-training en geen stabiele eigenschap. De verschillen tussen Amerikaanse, Chinese en Europese ontwikkelaars zijn klein. De zeven lokale modellen presteerden niet slechter dan API-modellen; de Poolse PLLuM 12B behoorde tot de modellen die het dichtst bij de referentie lagen, en Bielik 11B was het enige model dat overeenkwam met de referentie voor antisociale PD.

• Voor klinisch lesmateriaal. Een trainee die alleen vrouwen met borderline-PD en mannen met antisociale PD ontmoet, kan een sterkere voorafgaande verwachting ontwikkelen dan de epidemiologie rechtvaardigt, juist bij aandoeningen waarvoor overdiagnose bij vrouwen (borderline) en onderdiagnose bij vrouwen (autisme, ADHD) als problemen zijn gedocumenteerd.
• Voor iedereen die synthetische patiënten of testsets genereert. Stel gender en andere demografische kenmerken expliciet in op basis van een doelverdeling, in plaats van deze aan het model over te laten, en controleer gegenereerde cohorten aan de hand van referentieverhoudingen.
• Bij de modelkeuze. In onze steekproef voorspelde noch recentheid, regio, omvang noch lokale implementatie de bias, en deze veranderde tussen versies. Meet elke modelversie die u inzet.

• Eén promptsjabloon. De resultaten beschrijven het standaardgedrag bij een kort verzoek zonder systeemprompt of klinische context; toepassingen in de praktijk kunnen hiervan verschillen.
• Benaderende referenties. Sekseverhoudingen verschillen per land, setting en diagnostische praktijk; borderline-PD vertoont een vrouwelijk overwicht in klinische steekproeven, maar ligt dichter bij een gelijke verdeling in bevolkingsonderzoeken.
• Vertaling en grammaticaal gender. Wij hebben de namen van de stoornissen vertaald; deze kunnen in elke taal andere connotaties hebben.
• API-routering. Een model kan via verschillende aanbieders worden aangeboden; de aanbieder van elke aanroep staat in de dataset vermeld.
• Binaire analyse van antwoorden met vrouw/man; andere antwoorden worden afzonderlijk gerapporteerd. De verwerking is regelgebaseerd en voor elk model gecontroleerd.

Inhoud van de ZIP

• paper/: het artikel als PDF
• data/responses.csv en .parquet: elk antwoord met model, taal, aandoening, ruwe tekst en verwerkte naam, gender, leeftijd en beroep
• data/prompts.csv, models.csv, reference_share_female.csv, summary_model_language_condition.csv
• code/: scripts voor gegevensverzameling, verwerking en analyse
• figures/: de figuren van deze pagina
• README.md: datasetkaart. Licentie CC BY 4.0.

Citeerinstructies

@misc{glowacki2026genderbias,
  title  = {Language Models Know Which Way Mental Disorders Skew by Sex, and Exaggerate It: A 54-Model, Four-Language Audit},
  author = {G{\l}owacki, Bart{\l}omiej and G{\l}owacka, Joanna and Cylwik, Ewa and G{\l}owacki, Bohdan},
  year   = {2026},
  note   = {Preprint, AITHENTICA P.S.A. / Therapy Support. Dataset: doi:10.5281/zenodo.23676720},
  url    = {https://aitherapy.support/research/llm-gender-bias-mental-health/}
}