MétaCan
Menu
Retour à la cohorte
Enregistrement W4402710798 · doi:10.1177/0272989x241280611

Incorporating Social Determinants of Health in Infectious Disease Models: A Systematic Review of Guidelines

2024· review· en· W4402710798 sur OpenAlexaff
Shehzad Ali, Zhe Li, Nasheed Moqueet, Seyed M. Moghadas, Alison P. Galvani, Lisa Cooper, Saverio Stranges, Margaret Haworth-Brockman, Andrew D. Pinto, Miqdad Asaria, David Champredon, Darren Hamilton, Marc S. Moulin, Ava John‐Baptiste

Notice bibliographique

RevueMedical Decision Making · 2024
Typereview
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensLondon Health Sciences CentreUniversity of TorontoUniversity of WinnipegInternational Centre for Infectious DiseasesPublic Health OntarioYork UniversityUniversity of OttawaImpactPublic Health Agency of CanadaWestern University
Organismes subventionnairesJohns Hopkins UniversityGordon and Betty Moore Foundation
Mots-clésConceptualizationSocial determinants of healthDiseaseSocioeconomic statusSocial epidemiologyHealth equityInfectious disease (medical specialty)Public healthHealth policyMedicineDisease burdenEnvironmental healthPopulationComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Infectious disease (ID) models have been the backbone of policy decisions during the COVID-19 pandemic. However, models often overlook variation in disease risk, health burden, and policy impact across social groups. Nonetheless, social determinants are becoming increasingly recognized as fundamental to the success of control strategies overall and to the mitigation of disparities. METHODS: To underscore the importance of considering social heterogeneity in epidemiological modeling, we systematically reviewed ID modeling guidelines to identify reasons and recommendations for incorporating social determinants of health into models in relation to the conceptualization, implementation, and interpretations of models. RESULTS: = 5) were the most commonly discussed social determinants. Specific recommendations were identified to consider social determinants to 1) improve the predictive accuracy of models, 2) understand heterogeneity of disease burden and policy impact, 3) contextualize decision making, 4) address inequalities, and 5) assess implementation challenges. CONCLUSION: This study can support modelers and policy makers in taking into account social heterogeneity, to consider the distributional impact of infectious disease outbreaks across social groups as well as to tailor approaches to improve equitable access to prevention, diagnostics, and therapeutics. HIGHLIGHTS: Infectious disease (ID) models often overlook the role of social determinants of health (SDH) in understanding variation in disease risk, health burden, and policy impact across social groups.In this study, we systematically review ID guidelines and identify key areas to consider SDH in relation to the conceptualization, implementation, and interpretations of models.We identify specific recommendations to consider SDH to improve model accuracy, understand heterogeneity, estimate policy impact, address inequalities, and assess implementation challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,220
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
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 enseignants0,377
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,220
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0100,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,568
Tête enseignante GPT0,598
Écart entre enseignants0,030 · 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 tête enseignante, pas un consensus.

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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical Decision MakingMême sujetCOVID-19 epidemiological studiesTravaux en français237 207