Advancing health equity in wastewater-based epidemiology: A global critical review and conceptual framework
Notice bibliographique
Résumé
Population health data from wastewater-based epidemiology (WBE) are being used at unprecedented scales worldwide, yet there is limited focus on how to advance health equity in the field. Addressing this gap, we conducted a critical review of published literature in PubMed, targeting studies at the intersection of WBE and health equity. Of 145 articles assessed in full-text screening, we identified 68 studies with health equity considerations. These studies spanned various spatial scales and biochemical targets, addressing domains such as study design and methodologies, ethical and social considerations, and the feasibility and implementation of WBE monitoring. We summarize and synthesize health equity-oriented considerations across the identified domains. We further propose five key considerations to advance health equity in WBE research and practice, and integrate these considerations into a conceptual framework to illustrate how they apply to major steps in the process of conducting WBE. These considerations include global inequities in WBE access, the need to prevent potential harms and stigma via data misuse (inappropriate reporting of data and potential use of WBE for criminal surveillance), and the importance of regulation and community engagement, particularly amidst the growing privatization of WBE, especially in the United States.
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 | 0,038 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,026 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».