A landscape of available data on contraceptive care in the United States
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
OBJECTIVE: With this data landscape, we aim to (1) feature data sources that measure the dynamics of contraceptive care provision and (2) identify gaps in data availability. STUDY DESIGN: Through literature review and expert consultations, we identified data sources that describe the provision of contraceptive care in the United States. We highlight key features of each dataset, including the type of data collected, information on the sample and sampling approach, how the data are accessed, and an inventory of key indicators included about contraceptive care. RESULTS: We identified 29 relevant data sources - 16 provide individual-level data only, six provide systems-level data only, and seven provide both individual and systems-level data. Important gaps include a need for more robust collection and dissemination of systems-level data, stronger linkages between systems- and individual-level data, and more targeted data collection efforts on key subpopulations. CONCLUSIONS: The availability of ongoing high-quality data on key sexual and reproductive health metrics is crucial for holding policymakers and program planners accountable to meeting the needs of their most marginalized constituents or beneficiaries. This landscape may serve as a resource for researchers, program planners, and policymakers seeking to use data in their work. IMPLICATIONS: This landscape identifies key gaps in available data on contraceptive services in the U.S., including limited systems-level data and insufficient data on key subpopulations. Given the uncertainty of public resources for many of these datasets, additional funding resources will be needed to sustain and improve these data efforts going forward.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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