Sociodemographic Data Categorization and Health Equity Research: Expressions of Racial and Ethnic Identity in the Giving Voice to Mothers Study
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: The proportion of the U.S. population identifying with multiple races and ethnicities has increased in the last decade, but we have limited knowledge of how these individuals self-identity. Methods: We conducted a secondary analysis of data on how participants reported their racial/ethnic identities in Giving Voices to Mothers (GVtM), a community-based participatory research study (2016–2017) capturing the perspectives of childbearing people from communities of color and those who planned births at home or birth centers in the United States. Survey items were codeveloped by service users and community health workers. We used descriptive and bivariate statistics to explore how respondents reported racial/ethnic identity, how multiracial identity was related to personal characteristics, and how people used the “other” category. Results: Of 2700 survey participants, 2522 (93%) responded to the race/ethnicity questions. Respondents who expressed multiracial identity ( n = 339) most often marked more than one racial/ethnic category (78%) or marked the category “biracial” (22%). Multiracial respondents were more likely to be 29 years or younger, to live in the Southern or Western regions of the United States, and to be of low socioeconomic status. In contrast, individuals identifying with the specific term “biracial” were more likely to live in the Midwest or Northeast and to have a higher socioeconomic status. Conclusion: The GVtM model for sociodemographic data collection demonstrates how community members can inform the design of racial/ethnic categories that better reflect their lived experience and preferences for self-identification. This can, in turn, enhance participation in and value of findings on health 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.
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 | 0,030 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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