MétaCan
Menu
Retour à la cohorte
Enregistrement W4413943325 · doi:10.1001/jamanetworkopen.2025.32512

Improving the Reporting on Health Equity in Observational Research (STROBE-Equity)

2025· article· en· W4413943325 sur OpenAlexaff
Omar Dewidar, Larissa Shamseer, G. J. Meléndez‐Torres, Elie A. Akl, Jacqueline Ramke, Xiaoqin Wang, Oyekola Oloyede, Taryn Young, Stuart G. Nicholls, Zack Marshall, Michelle Kennedy, Billie-Jo Hardy, Anita Rizvi, Elizabeth Tanjong Ghogomu, Tamara Rader, Hugh Waddington, Beverley Shea, Miriam Nkangu, Holly Ellingwood, Luke Wolfenden, Janice Tufte, Tanya Horsley, Kevin Pottie, Luis Gabriel Cuervo, Clara Juandó‐Prats, Cindy Feng, Melissa K. Sharp, Julian Little, Ebenezer Owusu‐Addo, Damian Francis, Tamara Kredo, Michael Johnson Mahande, Catherine Chamberlain, Tomás Pantoja, Erik von Elm, Zulfiqar A Bhutta, Peter Tugwell, Charles Shey Wiysonge, Sarah Funnell, Janet Jull, Lawrence Mbuagbaw, Vivian Welch

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensQueen's UniversitySickKids FoundationCochraneHospital for Sick ChildrenUniversity of SaskatchewanDalhousie UniversityOttawa HospitalCarleton UniversityPublic Health OntarioSt. Michael's HospitalCanadian Agency for Drugs and Technologies in HealthMcMaster UniversityUniversity of CalgaryImpactRoyal College of Physicians and Surgeons of CanadaUniversity of TorontoLakehead UniversityBruyèreUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésStrengthening the reporting of observational studies in epidemiologyObservational studyEquity (law)ChecklistHealth equityGuidelinePsychologyPublic relationsBusinessPolitical scienceMedicinePublic healthNursing

Résumé

récupéré en direct d'OpenAlex

Importance: Observational studies can provide valuable insights to inform decisions on health equity. Existing guidelines for reporting such studies, such as the Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement, currently lack specific considerations for reporting on health equity. Health equity is defined as the absence of avoidable and unfair differences that may exist across individuals and populations due to structural and systematic inequities in living and working conditions, opportunities, and resources. To address this gap, the research team developed an extension of the STROBE statement (STROBE-Equity) that focuses on reporting health equity data and considerations. Observations: This consensus statement followed steps for developing a consensus- and evidence-based guideline using an integrated knowledge translation approach to ensure engagement of knowledge users from diverse disciplines and perspectives. Selection criteria for the research team and steering committees prioritized diversity across age, gender, and geography. The STROBE checklist was extended to include 10 items specifically aimed at reporting health equity considerations. To develop these items, the research team drew on evidence from empirical studies including a scoping review of the literature, methodological review, key informant interviews, an online survey, and a global consensus meeting of experts. For each of the 10 equity-related items, the statement provides an explanation and example(s) of transparent reporting practices. Conclusions and Relevance: Use of the STROBE-Equity extension alongside the STROBE statement when writing up completed reports of observational studies has the potential to advance the reporting of health equity data and considerations. Improved reporting of this information may help knowledge users better identify and apply evidence relevant to populations experiencing inequities.

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)0,050
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,871
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0500,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0010,000
Science ouverte0,0010,002
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 Opus0,493
Tête enseignante GPT0,591
Écart entre enseignants0,098 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetHealth disparities and outcomesTravaux en français237 207