Development of recommendations for a minimum dataset for Identifying Social factors that Stratify Health Opportunities and Outcomes (ISSHOOs) in pain research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,052 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle