Socioeconomic and Psychosocial Adversity in Inuit Mothers from Nunavik during the First Postpartum Year / ᐃᓄᓕᕆᓂᕐᒧᑦ ᐱᕙᓪᓕᐊᔪᓕᕆᓂᕐᒧᓪᓗ ᐊᒻᒪᓗ ᐃᓄᓕᕆᓂᒃᑯᑦ ᐃᓱᒪᑎᒍᓪᓗ ᐅᓇᒻᒥᓇᖅᑐᑦ ᓄᓇᕕᒻᒥᑦ ᐃᓄᓐᓄᑦ ᐊᓈᓇᐅᔪᓄᑦ ᐊᕐᕌᒎᑉ ᓯᕗᓪᓕᖅᐹᖓᓂᑦ ᐃᕐᓂᓯᒪᓕᖅᑎᓪᓗᒋᑦ
Notice bibliographique
Résumé
The postpartum year is a crucial period for child development and mother-child attachment. In a young and prolific population such as the Inuit from Nunavik (northern Quebec, Canada), postpartum maternal well-being is even more concerning. This study aims to document the prevalence and co-occurrence of socioeconomic and psychosocial risk factors in this population, and to use these factors to identify specific profiles of women. Data collection involved 176 mothers recruited during pregnancy and interviewed 12 months after delivery. Socioeconomic (age, education, single parenting, unemployment, welfare) and psychosocial (psychological distress, suicidal thoughts and attempts, spousal abuse, drug and alcohol use) risk factors were documented. Four high-risk conditions (socioeconomic precariousness, distress, domestic abuse, and substance use) were computed and considered in the analysis. Adversity was salient because most of the women (58%) simultaneously experience many high-risk conditions, with socioeconomic difficulties, distress, and spousal abuse being the most prevalent. Distinct profiles were identified: those without socioeconomic and psychosocial risk factors (30.8%) and those experiencing distress (69.2%). From the latter category, two specific profiles of distressed mothers emerged: single women coping with socioeconomic stressors (40.1%), and women with fewer financial difficulties but in an abusive relationship and more likely to use drugs or binge drink (29.1%). Our results support the need for preventive and public health programs in this population to improve maternal as well as infant wellbeing.ᐊᕐᕌᒍ ᓯᕗᓪᓕᖅᐹᖅ ᐃᕐᓂᓯᒪᓕᖅᑐᓂ ᐱᓪᓗᕆᓐᓂᖅᐸᐅᕗᖅ ᐊᓈᓇᐅᔪᖅ ᕿᑐᕐᖓᖓᓗ ᐊᑕᐅᓯᐅᖃᑎᒌᓐᓂᖏᓐᓄᑦ. ᓄᓇᕕᒻᒥᐅᑦ ᐃᓄᐃᑦ ᐃᓅᓱᑦᑎᓪᓗᒋᑦ ᐊᒻᒪᓗ ᓇᓗᓇᐃᔭᐃᑦᑎᐊᖅᑐᑎᒃ ᑭᒃᑰᓂᖏᓐᓂᒃ ᐃᓱᒫᓗᓇᖅᐳᖅ ᐊᓈᓇᐅᔪᑦ ᖃᓄᐃᓐᖏᓐᓂᖏᑦ ᐃᕐᓂᕋᑖᖅᑐᒥᓂᐅᑎᓪᓗᒋᑦ. ᐅᓇ ᖃᐅᔨᓴᕐᓂᖅ ᑐᕌᒐᖃᖅᑯᖅ ᑎᑎᖅᑐᐃᔾᔪᑕᐅᓪᓗᓂ ᐃᓄᓕᕆᓂᕐᒧᑦ ᐱᕙᓪᓕᐊᓂᕐᒧᓪᓗ ᐊᒻᒪᓗ ᐃᓄᓕᕆᓂᕐᒧᑦ ᐃᓱᒪᒃᑯᓪᓗ ᐊᑦᑕᕐᓇᕈᑕᐅᔪᓂᒃ ᐃᓄᓐᓄᑦ ᐊᒻᒪᓗ ᑖᒃᑯᐊ ᐊᖅᑯᑎᒋᓗᒋᑦ ᐊᕐᓇᐃᑦ ᖃᓄᐃᑦᑑᓂᖏᑦ ᐃᓕᓴᕐᓇᕈᑎᒋᓕᕐᓗᒋᑦ. ᖃᐅᔨᒪᔾᔪᑎᓂᒃ ᑲᑎᖅᓱᐃᓂᖅ ᐃᓚᓕᐅᔾᔨᔪᕗᖅ 176−ᓂᒃ ᐊᓈᓇᐅᔪᓂᒃ ᐃᓚᓕᐅᑦᑐᒋᑦ ᓇᔾᔨᔪᑦ ᐊᒻᒪᓗ ᐊᐱᖅᓱᖅᑕᐅᓯᒪᓪᓗᑎ ᑕᖅᑮᑦ ᖁᓕᑦ ᒪᕐᕉᓪᓗ (12) ᐊᓂᒍᖅᓯᒪᓕᖅᑎᓪᓗᒋᑦ. ᐃᓄᓕᕆᓂᖅ ᐱᕙᓪᓕᐊᓂᒃᑯᑦ (ᐊᕐᕌᒍᒋᔭᖏᑦ, ᐃᓕᓐᓂᐊᕐᓂᖏᑦ, ᐃᓄᑑᔾᔨᓂᖅ, ᐃᖅᑲᓇᐃᔮᖃᕐᓂᖅ, ᓱᒃᑯᐊᕿᖃᑦᑕᕐᓂᖅ) ᐊᒻᒪᓗ ᐃᓱᒪᑎᒍᑦ ᐃᓄᓕᕆᓂᒃᑯᑦ (ᐃᓱᒫᓘᑕᐅᔪᑦ, ᐃᒻᒥᓃᕈᒪᓂᖅ ᐊᒻᒪᓗ ᐃᒻᒥᓃᕋᓱᓐᓂᖅ, ᓂᖓᕐᓂᖅ, ᐋᖓᔮᕐᓇᑐᑦ ᐊᒻᒪᓗ ᐃᒥᐊᓗᒻᒥᒃ ᐊᑐᕐᓗᕐᓂᖅ) ᑕᐃᒪᐃᑦᑐᑦ ᐊᑦᑕᕐᓇᕈᑕᐅᔪᑦ ᑎᑎᖅᑐᖅᑕᐅᓯᒪᕗᑦ. ᑎᓴᒪᑦ ᖁᑦᑎᓂᖅᐹᑦ ᐊᑦᑕᕐᓇᕈᑕᐅᔪᑦ ᐊᑐᖅᑕᐅᔪᑦ (ᐃᓄᓕᕆᓂᕐᒧᑦ ᐱᕙᓪᓕᐊᔪᓕᕆᓂᕐᒧᑦ ᐊᑦᑐᐃᓗᖅᑯᑏᑦ, ᐃᓱᒫᓗᒍᑎᑦ, ᓂᖓᕐᓂᖅ ᐊᒻᒪᓗ ᓇᕐᓚᒍᑎᓂᒃ ᐊᑐᕐᓂᕐᓗᒃ) ᕿᒥᕐᕈᔭᐅᔪᔪᑦ ᐊᒻᒪᓗ ᐃᓱᒻᒥᕆᐊᕈᑕᐅᔪᔪᑦ ᕿᒥᕐᕈᓂᒃᑯᑎᒍᑦ. ᐊᑲᕐᕆᓐᖏᒍᑕᐅᔪᑦ ᓲᔪᕐᓇᑦᑎᐊᔪᕗᑦ ᐅᐱᓐᓇᕋᓂ ᐃᓄᒋᐊᓐᓂᖅᓴᐃᑦ ᐊᕐᓇᐃᑦ (58%) ᖁᑦᑎᓂᖅᐹᖑᔪᓂᑦ ᐊᑦᑕᕐᓇᕈᑎᓂᑦ ᐊᑐᖅᓯᒪᔪᑦ ᐊᑲᐃᓪᓕᐅᕈᑎᖃᖅᑐᑎ ᐃᓄᓕᕆᓂᕐᒧᑦ ᐱᕙᓪᓕᐊᔾᔪᑎᒃᑯᑦ, ᐃᓱᒫᓘᑎᖃᐅᖅᑐᑎ ᐊᒻᒪᓗ ᓂᖓᖅᑕᐅᓂᒃᑯᑦ ᓲᔪᕐᓇᓛᖑᔪᓪᓗᑎ. ᐊᔾᔨᒌᓐᖏᒍᑕᐅᔪᓪᓗ ᓲᔪᕐᓇᖅᓯᔪᕗᑦ: ᑕᐃᒃᑯᐊ ᐃᓄᓕᕆᓂᒃᑯᑦ ᐱᕙᓪᓕᐊᔪᓕᕆᓂᒃᑯᑦ ᐊᒻᒪᓗ ᐃᓱᒪᒃᑯᑦ ᐃᓄᓕᕆᓂᒃᑯᑦ ᐊᑦᑕᕐᓇᕈᑎᖃᓐᖏᑦᑐᑦ (30.8%) ᐊᒻᒪᓗ ᐅᖁᒪᐃᓪᓕᐅᖅᑐᑦ (69.2%). ᑭᖑᓪᓕᐅᔪᒥᒃ ᖃᐅᔨᔾᔪᑎᒥᒃ, ᒪᕐᕈᐃᓕᖅᑲᖓᔫᒃ ᐃᓕᓴᕐᓇᖅᓯᔪᕘᒃ ᐊᓈᓇᐅᔪᓄᑦ ᐅᖁᒪᐃᓪᓕᐅᕈᑕᐅᔪᑦ: ᐃᓄᑑᔾᔨᔪᑦ ᐊᕐᓇᐃᑦ ᐃᓄᓕᕆᓂᒃᑯᑦ ᐱᕙᓪᓕᐊᓂᒃᑯᑦ ᐃᓱᒫᓘᑎᓖᑦ (40.1%) ᐊᒻᒪᓗ ᐊᕐᓇᐃᑦ ᐃᓱᒫᓘᑎᖃᓐᖏᓂᔅᓴᐃᑦ ᑮᓇᐅᔭᑎᒍᑦ ᑭᓯᐊᓂᓕ ᓂᖓᖅᑕᐅᕙᑦᑐᑦ ᐊᒻᒪᓗ ᐋᖓᔮᕐᓇᑐᖅᑐᐸᑦᑐᑦ ᐅᕝᕙᓗᑭᐊᖅ ᐃᒥᕋᓚᑉᐸᑦᑐᑦ (29.1%). ᖃᐅᔨᔾᔪᑎᕗᑦ ᐃᑲᔪᖅᑐᐃᕗᑦ ᑭᓐᖒᒪᔭᐅᔪᓂᒃ ᓄᖅᑲᐅᒥᔾᔪᑎᔅᓴᑦ ᐊᒻᒪᓗ ᐃᓄᓐᓅᓕᖓᔪᓂᒃ ᐃᓗᓯᓕᕆᓂᕐᒧᑦ ᐃᖏᕐᕋᑎᑕᒐᕐᓂᒃ ᐱᕚᓪᓕᐊᓂᒃᑯᑦ ᐊᓈᓇᐅᔪᓄᑦ ᐊᒻᒪᓗ ᓄᑕᕋᖏᑕ ᐃᓅᑦᑎᐊᕐᓂᖏᓐᓄᑦ.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».