A Systematic Review of Characteristics of Nonprobability Community Venue Samples of Sexual Minority Individuals and Associated Methods for Assessing Selection Bias
Notice bibliographique
Résumé
The majority of research on sexual minority individuals relies on nonprobability community venue samples. These samples are prone to selection bias; however, empirical syntheses of evidence of these biases are not available. We conducted, therefore, a systematic review of published sexual minority health research to summarize methods used to identify characteristics and health outcomes found to differ in nonprobability samples. We searched five health and social science databases to identify observational studies that included a nonprobability sexual minority community sample and applied an empirical method to infer selection bias. We extracted data regarding sociodemographic characteristics, behaviors, and health outcomes and examined whether the nonprobability sample was found to differ disproportionately (over- or underrepresenting the characteristic) based on appropriate statistical tests (p < 0.05 was considered statistically significant). A total of 21 studies were included. Nineteen studies used a cross-sample comparison, one used time/location sampling weights, and one used frequency of venue attendance adjustment to assess differences. The evidence was mostly consistent, that is, associations were in the same direction in >50% of studies examined, for nine variables. Nonprobability community venue samples tended to overrepresent sexual minority individuals with the following characteristics: higher income, current employment, lesbian/gay-identified, greater number of sex partners, past-year sexually transmitted infection diagnosis, suicidal ideation, alcohol use, and substance use; nonprobability community venue samples tended to underrepresent married/partnered sexual minority individuals. This review provides a nuanced empirical picture of aggregate differences in sample characteristics presumed to threaten the validity of nonprobability sexual minority community venue studies, and highlights feasible methods that can be applied to future studies to add specificity to researchers' description of selection biases.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».