MétaCan
Menu
← Back to cohort
Record W4389570713 · doi:10.1503/cmaj.230237-f

Recommandations pour des soins préventifs pour promouvoir l’équité en matière de santé

2023· article· fr· W4389570713 on OpenAlexaffvenueabout
Nav Persaud, Areesha Sabir, Hannah Woods, Ambreen Sayani, Arnav Agarwal, Muna Chowdhury, Kathleen de Leon-Demare, Somtochukwu Ibezi, Saadia Hameed Jan, Alan Katz, Frantz-Daniel LaFortune, Melanie Lewis, Trudy McFarlane, Anjali Oberai, Yinka Oladele, Onyema Onyekwelu, Lisa Peters, Patrick Wong, Aïsha Lofters

Bibliographic record

VenueCanadian Medical Association Journal · 2023
Typearticle
Languagefr
FieldEconomics, Econometrics and Finance
TopicHealth Systems, Economic Evaluations, Quality of Life
Canadian institutionsPrairie Women's Health Centre of ExcellenceWomen's College Hospital
Fundersnot available
KeywordsPolitical scienceGynecologyMedicineHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Résumé Contexte: Malgré des investissements importants dans un système de soins de santé public qui comprend des services préventifs, on continue d’observer des disparités évitables en matière de santé au Canada. L’équipe avait pour objectif de formuler des recommandations pour des soins de santé préventifs qui puissent améliorer l’équité en matière de santé par la priorisation des interventions efficaces à l’intention des groupes défavorisés. Méthodes: La ligne directrice a été élaborée par un comité composé de spécialistes en soins primaires et de membres de la patientèle, avec la contribution d’un groupe de patientes-et patientspartenaires ayant vécu diverses expériences. Après avoir sélectionné les sujets à prioriser, nous avons recensé les revues systématiques, les essais randomisés et contrôlés récents sur les méthodes de dépistage et d’autres études pertinentes sur l’efficacité du dépistage et de la prise en charge. Nous avons utilisé l’approche GRADE (Grading of Recommendations, Assessment, Development and Evaluation) pour formuler les recommandations et avons suivi le guide AGREE II (Appraisal of Guidelines for Research and Evaluation) pour rédiger le rapport. Il en a été de même avec les principes du Guidelines International Network pour la gestion des intérêts concurrents. Les recommandations ont été passées en revue par un comité externe d’experts en contenu avant d’être distribuées à des intervenants à l’échelle nationale pour approbation. Recommandations: Nous avons formulé 15 recommandations concernant le dépistage et d’autres soins préventifs et 1 recommandation de nature politique visant à améliorer l’accès aux soins primaires. Ainsi, nous recommandons de prioriser une stratégie de communication pour le dépistage du cancer colorectal à partir de l’âge de 45 ans et pour l’évaluation du risque de maladie cardiovasculaire pour lutter contre les iniquités en matière de santé et promouvoir la santé. Les interventions particulières qui devraient être déployées pour lutter contre les iniquités comprennent l’autodépistage du virus du papillome humain (VPH) et du VIH, et le test de libération de l’interféron γ pour l’infection tuberculeuse. Le dépistage de la dépression, de la toxicomanie, de la violence conjugale et de la pauvreté devrait également permettre aux personnes touchées d’accéder plus facilement à des interventions éprouvées. Nous recommandons une prise de contact systématique avec des professionnels de la santé en soins primaires pour les personnes défavorisées. Interprétation: Les interventions préventives éprouvées peuvent aider à combattre les iniquités en matière de santé si la priorité est accordée aux personnes défavorisées. Les médecins, les organisations de santé et les gouvernements devraient adopter des mesures fondées sur des données probantes et en faire le suivi s’ils veulent promouvoir l’équité en matière de santé partout au Canada.

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 imitation

Not 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.

metaresearch head score (Codex)0.112
metaresearch head score (Gemma)0.311
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.987
Threshold uncertainty score0.590

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.1120.311
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.005
Bibliometrics0.0060.004
Science and technology studies0.0030.002
Scholarly communication0.0080.006
Open science0.0050.003
Research integrity0.0070.008
Insufficient payload (model declined to judge)0.0170.006

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.

Opus teacher head0.145
GPT teacher head0.400
Teacher spread0.255 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes3
Has abstractyes

Explore more

Same venueCanadian Medical Association Journal→Same topicHealth Systems, Economic Evaluations, Quality of Life→French-language works237,207→