Ethnicity classification systems for public health surveys: experiences from HIV behavioural surveillance among men who have sex with men
Notice bibliographique
Résumé
BACKGROUND: Race and ethnicity classification systems have considerable implications for public health, including the potential to reveal or mask inequities. Given increasing "super-diversity" and multiple racial/ethnic identities in many global settings, especially among younger generations, different ethnicity classification systems can underrepresent population heterogeneity and can misallocate and render invisible Indigenous people and ethnic minorities. We investigated three ethnicity classification methods and their relationship to sample size, socio-demographics and sexual health indicators. METHODS: We examined data from New Zealand's HIV behavioural surveillance programme for men who have sex with men (MSM) in 2006, 2008, 2011, and 2014. Participation was voluntary, anonymous and self-completed; recruitment was via community venues and online. Ethnicity allowed for multiple responses; we investigated three methods of dealing with these: Prioritisation, Single/Combination, and Total Response. Major ethnic groups included Asian, European, indigenous Māori, and Pacific. For each classification method, statistically significant associations with ethnicity for demographic and eight sexual health indicators were assessed using multivariable logistic regression. RESULTS: Overall, 10,525 MSM provided ethnicity data. Classification methods produced different sample sizes, and there were ethnic disparities for every sexual health indicator. In multivariable analysis, when compared with European MSM, ethnic differences were inconsistent across classification systems for two of the eight sexual health outcomes: Māori MSM were less likely to report regular partner condomless anal intercourse using Prioritisation or Total Response but not Single/Combination, and Pacific MSM were more likely to report an STI diagnosis when using Total Response but not Prioritisation or Single/Combination. CONCLUSIONS: Different classification approaches alter sample sizes and identification of health inequities. Future research should strive for equal explanatory power of Indigenous and ethnic minority groups and examine additional measures such as socially-assigned ethnicity and experiences of discrimination and racism. These findings have broad implications for surveillance and research that is used to inform public health responses.
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 | 0,041 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».