MétaCan
Menu
← Retour à la cohorte
Enregistrement W2174991888

The demographic bias of email as a survey method in a pediatric emergency population.

2006· article· en· W2174991888 sur OpenAlexaff

Notice bibliographique

RevuePubMed · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPopulationMedicineDemographyEmergency departmentFamily medicineEnvironmental healthNursing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: Email has been considered as a communication medium between patients and clinicians in pediatric emergency departments, but the demographic bias involved in using email has not been fully explored. We developed a paper based survey to explore access, willingness to participate and the demographic bias of email within our parent population. METHODS: To 1733 possible subjects, 1200 surveys were distributed with a return of 1018, a survey response rate of 85%, and a population response rate of 59%. RESULTS: Subjects from families with incomes less than $60,000 per year had lower access rates (OR = 0.40, 95 (OR = 0.37, [0.17, 0.81]). Employment outside of the home was associated with increased email access rates (OR = 1.79, 95% CI [1.19, 2.70]). Visible minority status was associated with an increased willingness to participate (OR = 1.84, 95 as was low education (OR = 2.12, 95% CI [1.04, 4.32]). The population of theoretical responders to an email based quality assurance process would have been significantly different from the base population of adults accompanying children to our emergency department as a result of these biases. CONCLUSIONS: We have demonstrated a degree of demographic bias in email access rates, negatively affecting those individuals with lower income, less employment, and lower education. Email based surveys directed at parents in pediatric emergency departments should include questions on income, employment and education in order to permit those who analyze the data to correct for these variables. More research is needed to confirm these findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,047
score de la tête « metaresearch » (Gemma)0,120
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,120
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,432
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetHealth Literacy and Information Accessibility→Travaux en français237 207→