Better evidence about wicked issues in tackling health inequities
Notice bibliographique
Résumé
The need for better evidence continues to be emphasized by both researchers and users of research. ‘Better evidence for a better world’ was the theme of this year's Campbell Colloquium for example, a gathering of researchers and policy-makers who aim to systematically build the evidence on the effectiveness of social policies and programs, including those aimed at improving social welfare, reducing crime and improving educational outcomes. This resonates with continuing political interest in making policies more evidence informed. In keeping with this spirit of evidence-based enquiry, it is reasonable to consider what ‘better evidence’ might look like. One important way to improve current evidence on health and social outcomes is to consider, and report on, the impact of interventions on health equity. Currently much research on the effects of interventions, which address the social determinants of health is focused on the mean population-level effects and less on the differential effects within populations, such as on differences in effectiveness for those who are disadvantaged. This ‘evidence with a utilitarian bias’1 results in insufficient evidence on how to adequately address health inequalities. Primary studies often fail to collect, analyse and present data on differential effects, and even where such data are available, systematic reviews often fail to use it.2,3 ‘Better evidence’, then, means evidence that explores the effects of interventions within different sections of society, and that can be used to tackle inequalities in health. In the absence of this information we may proceed on best guesses and practical experience; however, in both clinical and population-level interventions, we know that current practice and conventional wisdom are often poor guides to what works.4
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 | 0,247 | 0,577 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,013 | 0,033 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,016 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 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 ».