Defining ethnically and racially diverse populations in adult trauma and injury research in high-income countries: A scoping review
Notice bibliographique
Résumé
This scoping review aims to examine how ethnically and racially diverse populations have been defined and identified in adult trauma and injury epidemiological research conducted in high-income countries, specifically Australia, New Zealand, the United States, the United Kingdom, and Canada. Despite evidence that trauma and injury outcomes vary across racial and ethnic groups, there is limited understanding of how these populations are identified and defined in epidemiological research. Inconsistent or unclear definitions of race and ethnicity can limit comparability between studies and hinder efforts to address health inequities. The review will systematically explore and summarise existing literature to identify the terminology, indicators, and classification systems used to describe ethnically and racially diverse groups in this field. Eligible studies will include adult populations identified as culturally and linguistically diverse (CALD), migrants, refugees, or racial/ethnic minorities (e.g. Black, Asian, Hispanic, Pacific Islander, POC, BIPOC) residing in the selected high-income countries. Studies focused exclusively on majority populations, Indigenous peoples, or paediatric cohorts will be excluded. Data will be charted to capture definitions, measurement methods, data sources, and reporting practices related to race and ethnicity in trauma and injury epidemiology. The review will provide a descriptive overview of how these populations are represented and classified, highlight inconsistencies and gaps in current reporting practices, and identify opportunities to improve conceptual clarity and methodological consistency. Findings will inform more inclusive and standardised approaches to identifying ethnically and racially diverse populations in future epidemiological research, ultimately supporting more equitable and transparent trauma and injury data collection and analysis across high-income countries.
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 | 0,032 | 0,135 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,020 | 0,024 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 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; 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 ».