Focus areas and methodological characteristics of North American-based health disparity research in sports medicine: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: Health disparities are widely prevalent; however, little has been done to examine and address their causes and effects in sports and exercise medicine (SEM). We aimed to summarise the focus areas and methodology used for existing North American health disparity research in SEM and to identify gaps in the evidence base. DESIGN: Scoping review. DATA SOURCES: Systematic literature search of PubMed, Scopus, SPORTDiscus, CINAHL Plus with Full Text, Web of Science Core Collection and Cochrane Central Register of Controlled Trials. ELIGIBILITY CRITERIA: Full-text, peer-reviewed manuscripts of primary research, conducted in North America; published in the year 2000 or after, in English; and focusing on organised sports were included. RESULTS: 103 articles met inclusion criteria. Articles were classified into five focus areas: access to and participation in sports (n=45), access to SEM care (n=28), health-related outcomes in SEM (n=24), provider representation in SEM (n=5) and methodology (n=1). Race/ethnicity (n=39), socioeconomic status (n=28) and sex (n=27) were the most studied potential causes of health disparities, whereas sexual orientation (n=5), location (rural/urban/suburban, n=5), education level (n=5), body composition (n=5), gender identity (n=4) and language (n=2) were the least studied. Most articles (n=74) were cross-sectional, conducted on youth (n=55) and originated in the USA (n=90). CONCLUSION: Health disparity research relevant to SEM in North America is limited. The overall volume and breadth of research required to identify patterns in a heterogeneous sports landscape, which can then be used to inform positive change, need expansion. Intentional research focused on assessing the intersectionality, causes and consequences of health disparities in SEM is necessary.
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 | 0,164 | 0,445 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,050 | 0,046 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,013 | 0,007 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».