Core socioDemographic data variables in ICU Trials (CoDe-IT): a protocol for generating core data variables using a Delphi consensus process
Notice bibliographique
Résumé
INTRODUCTION: Sociodemographic variables influence health outcomes, either directly (ie, gender identity) or indirectly (eg, structural/systemic racism based on ethnoracial group). Identification of how sociodemographic variables can impact the health of critically ill adults is important to guide care and research design for this population. However, despite the growing recognition of the importance of collecting sociodemographic measures that influence health outcomes, insufficient and inconsistent data collection of sociodemographic variables persists in critical care studies. We aim to develop a set of core data variables (CoDaV) for social determinants of health specific to studies involving critically ill adults. METHODS AND ANALYSIS: We will conduct a scoping review to generate a list of possible sociodemographic measures to be used for round 1 of the modified Delphi processes. We will engage relevant knowledge users (previous intensive care unit patients and family members, critical care researchers, critical care clinicians and research co-ordinators) to participate in the modified Delphi consensus survey to identify the CoDaV. A final consensus meeting will be held with knowledge user representatives to discuss the final CoDaV, how each sociodemographic variable will be collected (eg, level of granularity) and how to disseminate the CoDaV for use in critical care studies. ETHICS AND DISSEMINATION: The University of Calgary conjoint health research ethics board has approved this study protocol (REB22-1648).
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 | 0,060 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,007 | 0,004 |
| 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 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 ».