Best Practice Guidelines for Monitoring Socioeconomic Inequalities in Health Status: Lessons from Scotland
Notice bibliographique
Résumé
CONTEXT: In this article we present "best practice" guidelines for monitoring socioeconomic inequalities in health status in the general population, using routinely collected data. METHODS: First, we constructed a set of critical appraisal criteria to assess the utility of routinely collected outcomes for monitoring socioeconomic inequalities in population health status, using epidemiological principles to measure health status and quantify health inequalities. We then selected as case studies three recent "cutting-edge" reports on health inequalities from the Scottish government and assessed the extent to which each of the following outcomes met our critical appraisal criteria: natality (low birth weight rate, LBW), adult mortality (all-cause, coronary heart disease [CHD], alcohol-related, cancer, and healthy life expectancy at birth), cancer incidence, and mental health and well-being. FINDINGS: The critical appraisal criteria we derived were "completeness and accuracy of reporting"; "reversibility and sensitivity to intervention"; "avoidance of reverse causation"; and "statistical appropriateness." Of these, the most commonly unmet criterion across the routinely collected outcomes was "reversibility and sensitivity to intervention." The reasons were that most mortality events occur in later life and that the LBW rate has now become obsolete as a sole indicator of perinatal health. Other outcomes were also judged to fail other criteria, notably alcohol-related mortality after midlife ("avoidance of reverse causation"); all cancer sites' incidence and mortality (statistical appropriateness due largely to heterogeneity of SEP gradients across different cancer sites, as well as long latency); and mental health and well-being ("uncertain reversibility and sensitivity to intervention"). CONCLUSIONS: We conclude that even state-of-the-art data reports on health inequalities by SEP have only limited usefulness for most health and social policymakers because they focus on routinely collected outcomes that are not very sensitive to intervention. We argue that more "upstream" outcome measures are required, which occur earlier in the life course, can be changed within a half decade by feasible programs and policies of proven effectiveness, accurately reflect individuals' future life-course chances and health status, and are strongly patterned by SEP.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,415 | 0,579 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,014 | 0,014 |
| Intégrité de la recherche | 0,014 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».