MétaCan
Menu
← Retour à la cohorte
Enregistrement W2969477411 · doi:10.1093/oxfordhb/9780190245191.013.23

Measuring Health Inequity: A Public Health Ethics Inquiry

2019· reference-entry· en· W2969477411 sur OpenAlexaff
Yukiko Asada

Notice bibliographique

Revuenon disponible
Typereference-entry
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOperationalizationHealth equityPublic healthInequalityHealth policySocial determinants of healthSociologyPublic economicsPolitical scienceEconomicsMedicineEpistemologyMathematics

Résumé

récupéré en direct d'OpenAlex

This chapter discusses ethical considerations that arise in three essential tasks for measuring health inequity in public health: defining health inequity, empirically operationalizing the chosen definition of health inequity, and quantifying the magnitude of health inequity. The first section introduces some of the definitions of health inequity and health inequality proposed in relevant literatures. The second section discusses some of the important strategies used to incorporate, explicitly and transparently, these various perspectives of health inequity into its measurement. The third section outlines some of the key ethical considerations that arise in choosing indices to quantify the magnitude of health inequity. Measurement of health inequity requires consideration of ethics, methods, and policy. Interdisciplinary integration of these three considerations is critical for its further advance.

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)0,103
score de la tête « metaresearch » (Gemma)0,105
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,547

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1030,105
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0100,057
Communication savante0,0200,022
Science ouverte0,0030,012
Intégrité de la recherche0,0110,016
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 Opus0,546
Tête enseignante GPT0,472
Écart entre enseignants0,073 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth disparities and outcomes→Travaux en français237 207→