Intersectionality, health equity, and EDI: What’s the difference for health researchers?
Notice bibliographique
Résumé
Many countries adopted comprehensive national initiatives to promote equity in higher education with the goal of transforming the culture of research. Major health research funders are supporting this work through calls for projects that focus on equity, resulting in a proliferation of theoretical frameworks including "intersectionality," "health equity," and variations of equity, diversity and inclusion, or EDI. This commentary is geared at individual principal investigators and health research teams who are developing research proposals and want to consider equity issues in their research, perhaps for the first time. We present histories and definitions of three commonly used frameworks: intersectionality, health equity, and EDI. In the context of health research, intersectionality is a methodology (a combination of epistemology and techniques) that can identify the relationships among individual identities and systems of oppression; however, it should also be used internally by research teams to reflect on the production of knowledge. Health equity is a societal goal that operationalizes the social determinants of health to document and address health disparities at the population level. EDI initiatives measure and track progress within organizations or teams and are best suited to inform the infrastructure and human resourcing "behind the scenes" of a project. We encourage researchers to consider these definitions and strive to tangibly move health research towards equity both in the topics we study and in the ways we do research.
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 | 0,153 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,024 | 0,147 |
| Communication savante | 0,043 | 0,068 |
| Science ouverte | 0,005 | 0,037 |
| Intégrité de la recherche | 0,016 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».