Inferential challenges when assessing racial/ethnic health disparities in environmental research
Notice bibliographique
Résumé
Numerous epidemiologic studies have documented environmental health disparities according to race/ethnicity (R/E) to inform targeted interventions aimed at reducing these disparities. Yet, the use of R/E under the potential outcomes framework implies numerous underlying assumptions for epidemiologic studies that are often not carefully considered in environmental health research. In this commentary, we describe the current state of thinking about the interpretation of R/E variables in etiologic studies. We then discuss how such variables are commonly used in environmental epidemiology. We observed three main uses for R/E: i) as a confounder, ii) as an effect measure modifier and iii) as the main exposure of interest either through descriptive analysis or under a causal framework. We identified some common methodological concerns in each case and provided some practical solutions. The use of R/E in observational studies requires particular cautions in terms of formal interpretation and this commentary aims at providing a practical resource for future studies assessing racial/ethnic health disparities in environmental 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 | 0,422 | 0,714 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,048 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,013 | 0,010 |
| Intégrité de la recherche | 0,028 | 0,053 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».