A equidade em saúde é um foco crescente na pesquisa de serviços de saúde, bem como nos aprimoramentos contínuos da prestação de cuidados de saúde. No entanto, o processo de coleta e incorporação de dados a nível de paciente em modelos e, depois, a tradução desses achados nos processos de entrega de cuidados de saúde é repleto de uma multitude de mecanismos potenciais que agravam disparidades sistêmicas. A discriminação estrutural e os preconceitos humanos afetam a equidade na coleta de dados, o que, em última análise, impacta a modelagem e os achados resultantes. Fatores semelhantes que influenciam a coleta de dados também podem impactar a implementação subsequente de algoritmos derivados e processos de cuidados. Este artigo tem como objetivo revisar os mecanismos que introduzem disparidades nos dados e na modelagem e propor potenciais primeiros passos para abordar essas disparidades.
Tjoeng et al. (Mon,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: