MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162103405 · doi:10.82308/93

Sociodemographic representativeness of severe acute respiratory syndrome coronavirus-2 serosurveillance studies with diverse recruitment strategies

2024· dissertation· en· W7162103405 sur OpenAlexaboutno aff
Matthew Knight

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIle de francePopulationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreak

Résumé

récupéré en direct d'OpenAlex

Contexte. Le dépistage sérologique était un élément clé de la surveillance du coronavirus du syndrome respiratoire aigu sévère 2 (SRAS-CoV-2). La représentativité des études de la sérosurveillance était probablement influencée par les stratégies de recrutement inhabituelles, qui étaient utilisées quand des règles ont nécessité la distanciation physique, quand il y avait des limites de ressources, et quand des données opportunes étaient nécessaires. Certains sous-groupes démographiques, comme les communautés racialisées, étaient sous-représentées dans les études sérologiques du SRAS-CoV-2 par rapport à la population générale. Par conséquent, c’est important de caractériser la représentativité pour identifier les déficits selon la couverture d'échantillonnage et pour évaluer l’impact des interventions sur les inégalités en matière de santé.Objectif. Évaluer la représentativité sociodémographique des études de la sérosurveillance canadienne du SRAS-CoV-2 qui ont utilisé des diverses stratégies de recrutement.Méthodes. Pour cette analyse secondaire, des données démographiques qui étaient recueillis entre avril 2020 et novembre 2023 à partir des études sérologiques du SRAS-CoV-2 étaient utilisées. Les études étaient : trois cohortes longitudinales préexistantes, deux échantillons de convenance et une cohorte transversale de novo. Les chiffres d'échantillons selon l'âge, le sexe, l'urbanité, la race ou l'origine ethnique et les quintiles de défavorisation du quartier étaient calculés et comparés aux chiffres de la population du recensement canadien de 2016. Pour chaque strate démographique, un ratio de représentation était calculé comme la proportion de spécimens d'étude divisée par la proportion de la population qui appartenait aux strates. Les sous-groupes étaient classés comme sous-représentés en manière notamment si plus de 95 pour cent des répétitions de méthode bootstrap produisaient des rapports de représentation < 3/4.Résultats. Dans les cohortes longitudinales préexistantes, les sous-groupes minoritaires racialisés étaient les plus sous-représentés dans les strates de sexe et de race ou de l’origine ethnique (ratio de représentation 0.1-0.3). Aussi, des donneurs de sang avaient moins de représentation féminine (0.4), mais une représentation masculine adéquate (0.9). Des femmes qui vivaient en milieu rural étaient sous-représentées dans toutes les conceptions d'études probabilistes (ratio de représentation 0.3-0.7). La représentativité a généralement amélioré quand l’âge a augmenté et quand le quintile de privation matérielle a diminué. Les hommes qui avaient 18-26 ans étaient sous-représentés dans la plupart des strates de sexe et de l’urbanité dans chaque étude.Discussion. Cette étude a identifié plusieurs sous-groupes démographiques sous-représentés dans les études du SRAS-CoV-2. La représentativité de certaines dimensions sociodémographiques différait selon la stratégie de recrutement. Notamment, les dimensions liées à l'âge des participants et à la résidence rurale. C’est essentiel d'assurer la représentativité pour l’optimisation de la validité externe et pour identifier les interventions qui considèrent des iniquités en santé. Ces résultats soulignent l’importance d’effectuer la recherche qui examinera les obstacles qui empêchent la participation à la recherche en santé.Conclusion. Les stratégies de recrutement non traditionnelles étaient plus représentatives pour plusieurs strates sociodémographiques que les stratégies traditionnelles basées sur les probabilités. C’est important de considérer comment la conception de l'étude et la stratégie d'échantillonnage influencent la représentativité sociodémographique dans les études futures de sérosurveillance

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,099
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,099
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,498
Tête enseignante GPT0,525
Écart entre enseignants0,026 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCOVID-19 epidemiological studies→Travaux en français237 207→