Incorporating intersectionality into quantitative research methods in public health
Notice bibliographique
Résumé
Abstract Introduction The use of intersectionality as an explicit theoretical framework in quantitative public health research is relatively recent, and has involved a wide array of study design and statistical methods. As best practices have not been identified, guidance for research design and analysis is needed. Methods We draw on a review of the literature and our own methods publications to present an overview of key considerations in approaching public health research from an intersectional perspective. Results Key considerations differ for descriptive studies of intersectional inequalities and analytic studies of potential causes of those inequalities, as research methodologies and their strengths and limitations differ. For descriptive studies, considerations include specification of intersectional groups, multiplicative vs. additive scale for analysis of effects and interactions, limitations of data sets, whether all intersectional groups are of equal interest, and choosing statistical methods. For analytic studies, considerations include whether potential causal factors are relevant and measurable for all intersections or are specific to some, variable measurement, different options in standardization or control of confounding, and statistical analysis methods. Discussion We present considerations in incorporating intersectionality frameworks, and provide tools for conceptualizing intersectionality-informed quantitative public health research.
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 | 0,513 | 0,552 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,014 | 0,015 |
| Études des sciences et des technologies | 0,005 | 0,038 |
| Communication savante | 0,017 | 0,020 |
| Science ouverte | 0,007 | 0,026 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».