Measuring Stigma to Assess the Social Justice Implications of Health-Related Policy Decisions: Application to Novel Treatment Regimens for Multidrug-Resistant Tuberculosis
Notice bibliographique
Résumé
In making policy decisions with constrained resources, an important consideration is the impact of alternative policy options on social justice. Social justice considers interactions between individuals and society and can be conceptualized across domains of agency, association, and respect. Despite its importance, social justice is rarely considered formally in health policy decision making, partially reflecting challenges in its measurement. We define three criteria for considering social justice in health-related policy decisions: 1) linkage of social justice to a measurable construct; 2) ability to reproducibly and feasibly estimate the impacts of a policy decision on the selected construct; and 3) appropriate presentation to decision makers of the expected social justice implications using that construct. We use preliminary data from qualitative interviews from three groups of respondents in South Africa and Uganda to demonstrate that stigma meets the first of these criteria. We then use the example of policy addressing novel treatment regimens for multidrug-resistant tuberculosis and a validated tuberculosis stigma scale to illustrate how policy effects on stigma could be estimated (criterion 2) and presented to decision makers in the form of justice-enhanced cost-effectiveness analysis (criterion 3). Finally, we provide a point-by-point guide for conducting similar assessments to facilitate consideration of social justice in health-related policy decisions. Our case study and guide for how to make social justice impacts more apparent to decision makers also illustrates the importance of local data and local capacity. Performing social justice assessments alongside more traditional evaluations of cost-effectiveness, budget impact, and burden of disease could help represent data-informed considerations of social justice in health care decision making more broadly.
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 | 0,046 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».