Reporting of determinants of health inequities and participant characteristics in randomized controlled trials of systemic lupus erythematosus in Canada: A scoping review
Notice bibliographique
Résumé
Objective To report participant characteristics relevant to identifying health inequities in systemic lupus erythematosus (SLE) randomized controlled trials conducted in Canada. Methods We conducted a scoping review by searching MEDLINE (Ovid) and Embase (1990 to June 2023), and CENTRAL (inception to June 2023). Eligible studies: used an RCT design; evaluated interventions (pharmacologic and non-pharmacologic) among SLE patients aged ≥18 years; and were conducted in Canada. Data extraction was guided by the Campbell and Cochrane Equity Methods Group’s PROGRESS-Plus framework on 11 factors leading to health inequities (Place of residence; Race, culture, ethnicity, and language; Occupation; Gender and sex; Religion; Education; Socioeconomic status; Social capital; Plus: Personal characteristics associated with discrimination; Features of relationships; and Time-dependent relationships). Results Of 1901 unique records, 6 met the inclusion criteria. Sex and age were the only PROGRESS factors that were reported in all studies. The majority of participants were female (84.4% to 100%), and mean ages of participants ranged from 42 to 52.3 years. Place of residence, race, education, and social capital were reported in three studies. Socioeconomic status was reported in two studies, and occupation was reported in one study. Religion, features of relationships, and time-dependent relationships were not reported in any included studies. Conclusion Limited reporting of determinants of health inequities in RCTs for SLE in Canada suggests the need for reporting standards to support equity, diversity, and inclusion practices in research.
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 | 0,073 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,083 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes 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 ».