Modélisation de l'efficacité de la prévention pour estimer le point de bascule de l'équité : quelle couverture des interventions préventives individuelles permet de réduire les effets des disparités socioéconomiques relatives au risque de diabète?
Bibliographic record
Abstract
Introduction La plupart des traitements préventifs individuels peuvent atténuer ou renforcer les disparités en santé selon leur efficacité différentielle dans la collectivité en fonction du statut socioéconomique (SSE). Le point de bascule de l'équité — défini comme le point à partir duquel les disparités en santé augmentent — se calcule en faisant varier les composantes de l'efficacité dans la collectivité, par exemple le risque de base de la maladie, la couverture des interventions ou l'efficacité de ces dernières, en fonction du SSE. Méthodologie Nous avons utilisé une méthode simple de modélisation pour estimer l'efficacité de la prévention du diabète dans la collectivité au Canada selon le SSE selon divers scénarios de couverture d'intervention. Résultats Le risque de base de diabète à cinq ans variait de 1,76 % entre le groupe ayant le revenu le plus faible et celui ayant le revenu le plus élevé. Lorsqu'on supposait que la couverture était complète dans toutes les tranches de revenu, l'écart diminuait, passant à 0,90 % (prévention de 144 000 cas) à la suite d'interventions sur le mode de vie et à 1,24 % (prévention de 88 100 cas) au moyen de la pharmacothérapie. Le point de bascule de l'équité a été estimé comme étant un écart de couverture de 30 % dans le cas des interventions de prévention (100 % de couverture dans le groupe ayant le revenu le plus élevé et 70 % de couverture dans le groupe ayant le revenu le plus faible). Conclusion Les disparités relativement au risque de diabète pourraient être sensiblement réduites si les interventions étaient adoptées de manière égale dans tous les groupes indépendamment du SSE. Cependant, les disparités en matière de couverture sont susceptibles d'entraîner une plus grande inégalité du risque. Des méthodes simples de modélisation peuvent servir à déterminer l'efficacité des interventions de prévention individuelles dans la collectivité et leur potentiel à réduire (ou augmenter) les disparités. Le point de bascule de l'équité peut être utilisé comme seuil critique dans l'analyse des disparités.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".