Extensión PRISMA-Equidad 2012: guías para la escritura y la publicación de revisiones sistemáticas enfocadas en la equidad en salud
Bibliographic record
Abstract
Existe un imperativo mundial de abordar las desigualdades sanitarias a nivel nacional e internacional, definidas como diferencias en la salud injustas y evitables. Un paso hacia lograr esta meta es mejorar la base de evidencia científica rigurosa relacionada con las repercusiones de las políticas sobre las desigualdades en los resultados de la salud, la asignación de recursos y su uso. Las revisiones sistemáticas son cada vez más reconocidas como fuente de evidencia valiosa para la toma de decisiones relacionadas con la atención sanitaria y los sistemas sanitarios; sin embargo, muy pocas revisiones sistemáticas informan acerca de los efectos sobre la equidad en salud. Desarrollamos guías consensuadas para la escritura y publicación de revisiones sistemáticas centradas en la equidad, para ayudar a que los revisores identifiquen, extraigan y sinteticen la evidencia sobre la equidad en las revisiones sistemáticas. El uso cada vez mayor de estas guías para escribir y publicar trabajos científicos ayudará a mejorar los informes de los efectos sobre las desigualdades en los resultados de la salud y el uso de la atención sanitaria según el género, la posición socioeconómica y otras características, tanto en las revisiones sistemáticas como, en última instancia, en la investigación primaria, y en consecuencia contribuirá a la agenda mundial para optimizar la equidad en salud.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.105 | 0.241 |
| Meta-epidemiology (narrow) | 0.004 | 0.003 |
| Meta-epidemiology (broad) | 0.003 | 0.012 |
| Bibliometrics | 0.012 | 0.017 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.006 | 0.019 |
| Research integrity | 0.005 | 0.009 |
| Insufficient payload (model declined to judge) | 0.116 | 0.026 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".