How often and in what ways are underserved groups included in population-based eye health surveys? A methodological study
Notice bibliographique
Résumé
Equity in health has risen in prominence in recent decades. Within eye health, The World Health Organization’s (WHO) World Report on Vision and the Lancet Global Health Commission on Global Eye Health both highlighted that in all parts of the world, there are population groups underserved by existing services, such as rural dwellers, women, Indigenous/First-Nations and non-dominant ethnicity groups, and people living in areas of high deprivation. These reports also called for more evidence and action to address inequity, including better monitoring of inequality. Population-based eye health surveys (including those employing the Rapid Assessment of Avoidable Blindness (RAAB) methodology) can be used by governments to strengthen eye health services to meet the needs of the population. These surveys assess and/or report the eye health needs of underserved groups in a range of ways, for example by intentionally recruiting communities with large unmet needs, or by conducting surveys in the general population and disaggregating the outcomes by different population groups. Future approaches to enhance inequality monitoring may include increasing the sample size so that it is adequately powered for subgroup analysis, adapting recruitment strategies to ensure they are appropriate for the target population groups, and finding ways to include traditionally ineligible population groups (e.g. people without housing / a fixed address). These modifications may allow surveys to be as equity-relevant as possible. We wish to identify the extent to which underserved population groups have been considered by researchers in the design, implementation, and reporting of population-based eye health surveys, and which strategies have been described. Our aims are to summarise: 1. The proportion of eye health surveys that have considered underserved groups in their design, implementation, and reporting; and 2. How and in what ways eye health surveys have considered underserved groups in their design, implementation, and reporting. In addition to identifying the range of strategies that have been implemented to date, the findings of this review will form a baseline from which the field can develop.
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 | 0,619 | 0,760 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,009 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,003 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».