Exploring the Equity Impact of Current Digital Health Design Practices: Protocol for a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The field of digital health has grown rapidly in part due to digital health tools' potential to reduce health inequities. However, such potential has not always been realized. The design approaches used in digital health are one of the known aspects that have an impact on health equity. OBJECTIVE: The aim of our scoping review will be to understand how design approaches in digital health have an impact on health equity. METHODS: A scoping review of studies that describe how design practices for digital health have an impact on health equity will be carried out. The scoping review will follow the methodologies laid out by Arksey and O'Malley, the Joanna Briggs Institute, and the PRISMA-ScR (Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews) checklist. The PubMed, Embase, Web of Science, and ACM Digital Library databases will be searched for peer-reviewed papers. The ProQuest Dissertations and Theses and Global Index Medicus databases will be searched for gray literature. The results will be screened against our inclusion and exclusion criteria. Subsequently, the data extracted from the included studies will be analyzed. RESULTS: As of March 2022, a preliminary search of the peer-reviewed databases has yielded over 4900 studies, and more are anticipated when gray literature databases are searched. We expect that after duplicates are removed and screening is completed, a much smaller number of studies will meet all of our inclusion criteria. CONCLUSIONS: Although there has been much discussion about the importance of design for lowering barriers to digital health participation, the evidence base demonstrating its impacts on health equity is less obvious. We hope that our findings will contribute to a better understanding of the impact that design in digital health has on health equity and that these findings will translate into action that leads to stronger, more equitable health care systems.
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 | 0,140 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,011 | 0,015 |
| Bibliométrie | 0,016 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,012 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,023 |
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 ».