Improving social justice in observational studies: protocol for the development of a global and Indigenous STROBE-equity reporting guideline
Notice bibliographique
Résumé
BACKGROUND: Addressing persistent and pervasive health inequities is a global moral imperative, which has been highlighted and magnified by the societal and health impacts of the COVID-19 pandemic. Observational studies can aid our understanding of the impact of health and structural oppression based on the intersection of gender, race, ethnicity, age and other factors, as they frequently collect this data. However, the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) guideline, does not provide guidance related to reporting of health equity. The goal of this project is to develop a STROBE-Equity reporting guideline extension. METHODS: We assembled a diverse team across multiple domains, including gender, age, ethnicity, Indigenous background, disciplines, geographies, lived experience of health inequity and decision-making organizations. Using an inclusive, integrated knowledge translation approach, we will implement a five-phase plan which will include: (1) assessing the reporting of health equity in published observational studies, (2) seeking wide international feedback on items to improve reporting of health equity, (3) establishing consensus amongst knowledge users and researchers, (4) evaluating in partnership with Indigenous contributors the relevance to Indigenous peoples who have globally experienced the oppressive legacy of colonization, and (5) widely disseminating and seeking endorsement from relevant knowledge users. We will seek input from external collaborators using social media, mailing lists and other communication channels. DISCUSSION: Achieving global imperatives such as the Sustainable Development Goals (e.g., SDG 10 Reduced inequalities, SDG 3 Good health and wellbeing) requires advancing health equity in research. The implementation of the STROBE-Equity guidelines will enable a better awareness and understanding of health inequities through better reporting. We will broadly disseminate the reporting guideline with tools to enable adoption and use by journal editors, authors, and funding agencies, using diverse strategies tailored to specific audiences.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes 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 ».