Systematic scoping review of factors and measures of rurality: toward the development of a rurality index for health care research in Japan
Notice bibliographique
Résumé
BACKGROUND: Rural-urban health care disparities are an important topic in health services research. Hence, developing valid and reliable tools to measure rurality is needed to support high quality research. However, Japan, has no index to measure rurality for health care research. In this study, we conducted a systematic scoping review to identify the important factors and methodological approaches to consider in a rurality index to inform the development of a rurality index for Japan. METHODS: For our review, we searched six bibliographic databases (MEDLINE, PubMed, CINAHIL, ERIC, Web of Science and the Grey Literature Report) and official websites of national governments such as Government and Legislative Libraries Online Publications Portal (GALLOP), from 1 January 1989 to 31 December 2018. We extracted relevant variables used in the development of rurality indices, the formulas used to calculate indices, and any measures for reliability and validity of these indices. RESULTS: We identified 17 rurality indices from 7 countries. These indices were primarily developed to assess access to health care or to determine eligibility for incentives for health care providers. Frequently used factors in these indices included population size/density and travel distance/time to emergency care or referral centre. Many indices did not report reliability or validity measures. CONCLUSIONS: While the concept of rurality and concerns about barriers to access to care for rural residents is shared by many countries, the operationalization of rurality is highly context-specific, with few universal measures or approaches to constructing a rurality index. The results will be helpful in the development of a rurality index in Japan and in other countries.
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 | 0,046 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».