Defining the term "underserved:" A scoping review towards a standardized description of inadequate access to veterinary services.
Notice bibliographique
Résumé
This scoping review aims to establish a comprehensive definition of the term "underserved" as it applies to communities, individuals, and populations with inadequate access to animal health services, particularly for dogs. The review adhered to PRISMA guidelines and analyzed 30 articles, applying concepts of One Health and social determinants of health, by using 3 pre-determined categories of contributors to and indicators of underservice. The review categorized article-specific exemplars into veterinary-dependent barriers; community- and individual-related barriers; and health and welfare indicators; with subcategories illustrating features of underserved communities, individuals, or populations in each category. Ultimately, 3 definitions were developed. Animal Health Underserved Areas (AHUA) identify negative human and animal health and welfare outcomes secondary to inadequate access to animal health services in the community. Individuals may identify as underserved based on the same criteria (Animal Health Underserved Individuals, AHUI), and certain groups within otherwise adequately served areas may be identified as Animal Health Underserved Populations (AHUP). The AHUA, AHUI, and AHUP are frequently characterized as rural, remote, and/or Indigenous, and often face systemic marginalization. This inequitable access to animal health services creates human, animal, and community health challenges, underscoring the need for veterinary professionals and other stakeholders to prioritize equitable access to care. Findings from this review should inform development of a scoring system to enable comparative assessment of communities, individuals, and populations and allow strategic service and resource allocation in the future.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; 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 ».