Priority strategies to reduce socio-gendered inequities in access to person-centred osteoarthritis care: Delphi survey
Notice bibliographique
Résumé
OBJECTIVES: Osteoarthritis (OA) prevalence, severity and related comorbid conditions are greater among women compared with men, but women, particularly racialised women, are less likely than men to access OA care. We aimed to prioritise strategies needed to reduce inequities in OA management. DESIGN: Delphi survey of 28 strategies derived from primary research retained if at least 80% of respondents rated 6 or 7 on a 7-point Likert scale. SETTING: Online. PARTICIPANTS: 35 women of diverse ethno-cultural groups and 29 healthcare professionals of various specialties from across Canada. RESULTS: Of the 28 initial and 3 newly suggested strategies, 27 achieved consensus to retain: 20 in round 1 and 7 in round 2. Respondents retained 7 patient-level, 7 clinician-level and 13 system-level strategies. Women and professionals agreed on all but one patient-level strategy (eg, consider patients' cultural needs and economic circumstances) and all clinician-level strategies (eg, inquire about OA management needs and preferences). Some discrepancies emerged for system-level strategies that were more highly rated by women (eg, implement OA-specific clinics). Comments revealed general support among professionals for system-level strategies provided that additional funding or expanded scope of practice was targeted to only formally trained professionals and did not reduce funding for professionals who already managed OA. CONCLUSIONS: We identified multilevel strategies that could be implemented by healthcare professionals, organisations or systems to mitigate inequities and improve OA care for diverse women.
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 | 0,059 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».