MétaCan
Menu
Retour à la cohorte
Enregistrement W4394957155 · doi:10.1542/peds.2023-063415

Understanding Disparities in the Pediatric ICU: A Scoping Review

2024· review· en· W4394957155 sur OpenAlexaff
Erica Andrist, Rachel G. Clarke, Kayla B. Phelps, Alyssa Dews, Anna Rodenbough, Jerri A. Rose, Adrian Zurca, Nurah O. Lawal, Christina Maratta, Katherine Slain

Notice bibliographique

RevuePEDIATRICS · 2024
Typereview
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineSocioeconomic statusHealth equityMEDLINERace (biology)GerontologyEnvironmental healthFamily medicinePopulationPublic healthNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Health disparities are pervasive in pediatrics. We aimed to describe disparities among patients who are likely to be cared for in the PICU and delineate how sociodemographic data are collected and categorized. METHODS: Using MEDLINE as a data source, we identified studies which included an objective to assess sociodemographic disparities among PICU patients in the United States. We created a review rubric, which included methods of sociodemographic data collection and analysis, outcome and exposure variables assessed, and study findings. Two authors reviewed every study. We used the National Institute on Minority Health and Health Disparities Research Framework to organize outcome and exposure variables. RESULTS: The 136 studies included used variable methods of sociodemographic data collection and analysis. A total of 30 of 124 studies (24%) assessing racial disparities used self- or parent-identified race. More than half of the studies (52%) dichotomized race as white and "nonwhite" or "other" in some analyses. Socioeconomic status (SES) indicators also varied; only insurance status was used in a majority of studies (72%) evaluating SES. Consistent, although not uniform, disadvantages existed for racial minority populations and patients with indicators of lower SES. The authors of only 1 study evaluated an intervention intended to mitigate health disparities. Requiring a stated objective to evaluate disparities aimed to increase the methodologic rigor of included studies but excluded some available literature. CONCLUSIONS: Variable, flawed methodologies diminish our understanding of disparities in the PICU. Meaningfully understanding and addressing health inequity requires refining how we collect, analyze, and interpret relevant data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,073
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0270,024
Études des sciences et des technologies0,0020,001
Communication savante0,0050,005
Science ouverte0,0030,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,321
Tête enseignante GPT0,466
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePEDIATRICSMême sujetMigration, Health and TraumaTravaux en français237 207