Improving Social Justice in COVID-19 Health Research: Interim Guidelines for Reporting Health Equity in Observational Studies
Notice bibliographique
Résumé
The COVID-19 pandemic has highlighted the global imperative to address health inequities. Observational studies are a valuable source of evidence for real-world effects and impacts of implementing COVID-19 policies on the redistribution of inequities. We assembled a diverse global multi-disciplinary team to develop interim guidance for improving transparency in reporting health equity in COVID-19 observational studies. We identified 14 areas in the STROBE (Strengthening the Reporting of Observational Studies in Epidemiology) checklist that need additional detail to encourage transparent reporting of health equity. We searched for examples of COVID-19 observational studies that analysed and reported health equity analysis across one or more social determinants of health. We engaged with Indigenous stakeholders and others groups experiencing health inequities to co-produce this guidance and to bring an intersectional lens. Taking health equity and social determinants of health into account contributes to the clinical and epidemiological understanding of the disease, identifying specific needs and supporting decision-making processes. Stakeholders are encouraged to consider using this guidance on observational research to help provide evidence to close the inequitable gaps in health outcomes.
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 | 0,848 | 0,906 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,014 |
| Méta-épidémiologie (sens large) | 0,012 | 0,021 |
| Bibliométrie | 0,033 | 0,031 |
| Études des sciences et des technologies | 0,009 | 0,022 |
| Communication savante | 0,025 | 0,015 |
| Science ouverte | 0,015 | 0,020 |
| Intégrité de la recherche | 0,031 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,007 |
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 ».