Approaches for Measuring Socioeconomic Status in Health Studies in Sub-Saharan Africa: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND Socioeconomic status (SES) is essential for determining a person or community’s position about certain social and economic characteristics. This is particularly important in sub-Saharan Africa, where health disparities are pronounced. We conducted a scoping review to explore approaches used in health studies to measure socio-economic status in the sub-Saharan region. METHODS A comprehensive literature search covering January 2012 to June 2024 was conducted in five databases: PubMed, EMBASE, CIHNAL, Web of Science, and African Index Medicus. All studies in sub-Saharan Africa focused on health-related socioeconomic status were included, regardless of study methodology. Three peer reviewers independently evaluated the selected articles according to inclusion and exclusion criteria. Discrepancies between reviewers were resolved through a consensus meeting. The review protocol was registered on the Open Science Framework (OSF, OSF.IO/7NGX3). RESULTS The initial search yielded 19,669 articles. At the end of the screening process, 65 articles were analysed. Cross-sectional studies have been widely used. South Africa (13.4%) and Kenya (11%) were the most represented countries. Maternal, neonatal, and infant/juvenile health was the most covered theme (31%). The review identified 12 categories of SES measurement methods, with the asset-based wealth index being the most widespread (61.9%). Principal component analysis (PCA) is the primary analytical method used to calculate this index (57.7%). CONCLUSIONS This scoping review identified the asset-based wealth index as the most frequently used and provided essential elements for pooling different SES calculation methodologies to reach a consensus. Using SES to improve interventions is important to limit African health disparities.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle