Sociodemographic representativeness of severe acute respiratory syndrome coronavirus-2 serosurveillance studies with diverse recruitment strategies
Bibliographic record
Abstract
Background.Serological testing was a key component of severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) surveillance.Social distancing interventions, resource limitations, and the need for timely data necessitated serosurveillance studies use creative recruitment strategies, which likely influenced study representativeness.Select demographic subgroups, such as racialized communities, have been underrepresented in previous SARS-CoV-2 serology studies relative to the general population.Characterizing representativeness is crucial to identify gaps in sampling coverage and to evaluate intervention impact on health inequities.Objective.To assess the sociodemographic representativeness of Canadian SARS-CoV-2 serosurveillance research studies with diverse recruitment strategies.Methods.This secondary analysis used demographic data collected between April 2020-November 2023 from SARS-CoV-2 serology studies.The studies included three pre-existing longitudinal cohorts, two convenience samples using blood donations and outpatient laboratory specimens, and one de novo cross-sectional cohort.Specimen counts by age, sex, urbanicity, race/ethnicity, and neighborhood deprivation quintiles were calculated and compared to 2016 Canadian census population counts.For each demographic strata, a representation ratio was derived as the proportion of study specimens divided by the proportion of the population that belonged to the strata.Subgroups were classified as notably underrepresented if greater than 95% of bootstrap replicates produced a representation ratio < 3/4. Results.Racialized minority subgroups were most underrepresented across sex and race/ethnicity strata in pre-existing longitudinal cohorts (representation ratio 0.1-0.3)and blood donors had low representation of females (0.4) but not males (0.9).Rural females were v underrepresented in all probabilistic study designs (representation ratio 0.3-0.7).Representativeness generally improved as participant age increased and material deprivation quintile decreased.18-26-year-old males were underrepresented across most sex and urbanicity strata.Discussion.This study identified several demographic subgroups are underrepresented across SARS-CoV-2 study designs.Representativeness differed by recruitment strategy for some subgroups, particularly those related to age and rural residence.Ensuring adequate representation is vital to optimize external validity and to enable interventions that address health inequities.These findings highlight the need to further investigate the barriers impeding participation in health research.Conclusion.Nontraditional recruitment strategies were more representative along several sociodemographic strata than traditional probability-based approaches.The influence of study design and sampling strategy on study representativeness is an important consideration for future serosurveillance studies.vi Résumé 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 sousgroupes 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.vii 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.viii Preface This thesis assesses the sociodemographic representativeness of six Canadian severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) serological surveillance studies relative to the general Canadian population.An overview of SARS-CoV-2 serological surveillance and study representativeness is presented in Chapter 1.A formal literature review of public health disease surveillance, the SARS-CoV-2 pandemic, and the resulting implications for study representativeness is provided in Chapter 2. Chapter 3 details the study methodology.Results are presented as a manuscript in Chapter 4. Chapter 5 provides a detailed discussion of the study findings.A formal summary and conclusion are given in Chapter 6. References are listed in Chapter 7.
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 | 0.011 | 0.044 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".