Measuring Health Equity in Emergency Care Using Routinely Collected Data: A Systematic Review
Notice bibliographique
Résumé
Introduction: Achieving equity in health care remains a challenge for health care systems worldwide and marked inequities in access and quality of care persist. Identifying health care equity indicators is an important first step in integrating the concept of equity into assessments of health care system performance, particularly in emergency care. Methods: We conducted a systematic review of administrative data-derived health care equity indicators and their association with socioeconomic determinants of health (SEDH) in emergency care settings. Following PRISMA-Equity reporting guidelines, Ovid MEDLINE, EMBASE, PubMed, and Web of Science were searched for relevant studies. The outcomes of interest were indicators of health care equity and the associated SEDH they examine. Results: Among 29 studies identified, 14 equity indicators were identified and grouped into four categories that reflect the patient emergency care pathway. Total emergency department (ED) visits and ambulatory care-sensitive condition-related ED visits were the two most frequently used equity indicators. The studies analyzed equity based on seven SEDH: social deprivation, income, education level, social class, insurance coverage, health literacy, and financial and nonfinancial barriers. Despite some conflicting results, all identified SEDH are associated with inequalities in access to and use of emergency care. Conclusion: The use of administrative data-derived indicators in combination with identified SEDH could improve the measurement of health care equity in emergency care settings across health care systems worldwide. Using a combination of indicators is likely to lead to a more comprehensive, well-rounded measurement of health care equity than using any one indicator in isolation. Although studies analyzed focused on emergency care settings, it seems possible to extrapolate these indicators to measure equity in other areas of the health care system. Further studies elucidating root causes of health inequities in and outside the health care system are needed.
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 | 0,034 | 0,170 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,015 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».