Accounting for health inequities in the design of contact tracing interventions: a rapid review
Notice bibliographique
Résumé
Abstract Context Contact tracing has been a central COVID-19 transmission control measure. However, without the consideration of the needs of specific populations, public health interventions can exacerbate health inequities. Purpose The purpose of this rapid review was to determine if and how health inequities were included in the design of contact tracing interventions in epidemic settings. Method We conducted a search of the electronic databases MEDLINE and Web of Science. Our inclusion criteria included articles that: (i) described the design of contact tracing interventions, (ii) have been published between 2013 and 2020 in English, French, Spanish, Chinese, or Portuguese, (iii) and included at least 50% of empiricism, according to the Automated Classifier of Texts on Scientific Studies (ATCER) tool. We relied on various tools to extract data. Result Following the titles and abstracts screening of 230 articles, 39 articles met the inclusion criteria. Only seven references were retained after full text review. None of the selected studies considered health inequities in the design of contact tracing interventions. Conclusion The use of tools/concepts for incorporating health inequities, such as the REFLEX-ISS tool, and “proportionate universalism” when designing contact tracing interventions, would enable practitioners, decision makers, and researchers to better consider health inequities.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».