Decreasing Survey Response Rates in the Time of COVID-19: Implications for Analyses of Population Health and Health Inequities
Notice bibliographique
Résumé
Objectives. To examine whether, and if so how, US national and state survey response rates changed after the onset of the COVID-19 pandemic. Methods. We compared the change in response rates between 2020 and 2019 of 6 (3 social and economic, 3 health focused) major US national surveys (2 with state response rates). Results. All the ongoing surveys except 1 reported relative decreases (∼29%) in response rates. For example, the household response rate to the US Census American Community Survey decreased from 86.0% in 2019 to 71.2% in 2020, and the response rate of the US National Health Interview Survey decreased from 60.0% to 42.7% from the first to the second quarter of 2020. For all surveys, the greatest decreases in response rates occurred among persons with lower income and lower education. Conclusions. Socially patterned decreases in response rates pose serious challenges and must be addressed explicitly in all studies relying on data obtained since the onset of the pandemic. Public Health Implications. Artifactual reduction of estimates of the magnitude of health inequities attributable to differential response rates could adversely affect efforts to reduce these inequities. (Am J Public Health. 2023;113(6):667–670. https://doi.org/10.2105/AJPH.2023.307267 )
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 | 0,325 | 0,491 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».