Development of recommendations for a minimum dataset for Identifying Social factors that Stratify Health Opportunities and Outcomes (ISSHOOs) in pain research
Notice bibliographique
Résumé
There is increasing recognition of the need for researchers to collect and report data that can illuminate health inequities. In pain research, routinely collecting equity-relevant data has the potential to inform about the generalisability of findings; whether the intervention has differential effects across strata of society; or it could be used to guide population targeting for clinical studies. Developing clarity and consensus on what data should be collected and how to collect it is required to prompt researchers to further consider equity issues in the planning, conduct, interpretation, and reporting of research. The overarching aim of the ‘Identifying Social Factors that Stratify Health Opportunities and Outcomes’ (ISSHOOs) in pain research project is to provide researchers in the pain field with recommendations to guide the routine collection of equity-relevant data. The design of this project is consistent with the methods outlined in the ‘Guidance for Developers of Health Research Reporting Guidelines’ and involves 4 stages: (i) Scoping review; (ii) Delphi Study; (iii) Consensus Meeting; and (iv) Focus Groups. This stakeholder-engaged project will produce a minimum dataset that has global, expert consensus. Results will be disseminated along with explanation and elaboration as a crucial step towards facilitating future action to address avoidable disparities in pain outcomes. A graphical abstract is attached with this submission.
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 | 0,482 | 0,708 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,005 | 0,016 |
| Bibliométrie | 0,025 | 0,020 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,014 | 0,017 |
| Science ouverte | 0,012 | 0,019 |
| Intégrité de la recherche | 0,012 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,017 |
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 ».