Advancing Intersectional Discrimination Measures for Health Disparities Research: Protocol for a Bilingual Mixed Methods Measurement Study
Notice bibliographique
Résumé
BACKGROUND: Guided by intersectionality frameworks, researchers have documented health disparities at the intersection of multiple axes of social status and position, particularly race and ethnicity, gender, and sexual orientation. To advance from identifying to intervening in such intersectional health disparities, studies that examine the underlying mechanisms are required. Although much research demonstrates the negative health impacts of perceived discrimination along single axes, quantitative approaches to assessing the role of discrimination in generating intersectional health disparities remain in their infancy. Members of our team recently introduced the Intersectional Discrimination Index (InDI) to address this gap. The InDI comprises three measures of enacted (day-to-day and major) and anticipated discrimination. These attribution-free measures ask about experiences of mistreatment because of who you are. These measures show promise for intersectional health disparities research but require further validation across intersectional groups and languages. In addition, the proposal to remove attributions is controversial, and no direct comparison has ever been conducted. OBJECTIVE: This study aims to cognitively and psychometrically evaluate the InDI in English and Spanish and determine whether attributions should be included. METHODS: The study will draw on a preliminary validation data set and three original sequentially collected sources of data: qualitative cognitive interviews in English and Spanish with a sample purposively recruited across intersecting social status and position (gender, sexual orientation, race and ethnicity, socioeconomic status, age, and nativity); a Spanish quantitative survey (n=500; 250/500, 50% sexual and gender minorities); and an English quantitative survey (n=3000), with quota sampling by race and ethnicity (Black, Latino/a/x, and White), sexual or gender minority status, and gender. RESULTS: The study was funded by the National Institute on Minority Health and Health Disparities in May 2021, and data collection began in July 2021. CONCLUSIONS: The key deliverables of the study will be bilingual measures of anticipated, day-to-day, and major discrimination validated for multiple health disparity populations using qualitative, quantitative, and mixed methods. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/30987.
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 | 0,080 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,130 | 0,028 |
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 ».