Bridging ethics and epidemiology: Modelling ethical standards of health equity
Notice bibliographique
Résumé
Health inequities are differences in health that are 'unjust'. Yet, despite competing ethical views about what counts as an 'unjust difference in health', theoretical insights from ethics have not been systematically integrated into epidemiological research. Using diabetes as an example, we explore the impact of adopting different ethical standards of health equity on population health outcomes. Specifically, we explore how the implementation of population-level weight-loss interventions using different ethical standards of equity impacts the intervention's implementation and resultant population health outcomes. We conducted a risk prediction modelling study using the nationally representative 2015-16 Canadian Community Health Survey (n = 75,044, 54% women). We used the Diabetes Population Risk Tool (DPoRT) to calculate individual-level 10-year diabetes risk. Hypothetical weight-loss interventions were modelled in individuals with overweight or obesity based on each ethical standard: 1) health sufficiency (reduce DPoRT risk below a high-risk threshold (16.5%); 2) health equality (equalize DPoRT risk to the low risk group (5%)); 3) social-health sufficiency (reduce DPoRT risk <16.5 in individuals with lower education); 4) social-health equality (equalize DPoRT risk to the level of individuals with high education). For each scenario, we calculated intervention impacts, diabetes cases prevented or delayed, and relative and absolute educational inequities in diabetes. Overall, we estimated that achieving health sufficiency (i.e., all individuals below the diabetes risk threshold) was more feasible than achieving health equality (i.e., diabetes risk equalized for all individuals), requiring smaller initial investments and fewer interventions; however, fewer diabetes cases were prevented or delayed. Further, targeting only diabetes inequalities related to education reduced the target population size and number of interventions required, but consequently resulted in even fewer diabetes cases prevented or delayed. Using diabetes as an example, we found that an explicit, ethically-informed definition of health equity is essential to guide population-level interventions that aim to reduce health inequities.
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 | 0,089 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».