Unmasking health determinants and health outcomes for urban First Nations using respondent-driven sampling
Notice bibliographique
Résumé
OBJECTIVE: Population-based health information on urban Aboriginal populations in Canada is limited due to challenges with the identification of Aboriginal persons in existing health data sets. The main objective of the Our Health Counts (OHC) project was to work in partnership with Aboriginal stakeholders to generate a culturally relevant, representative baseline health data set for three urban Aboriginal communities in Ontario, Canada. DESIGN: Respondent-driven sampling (RDS). SETTING: Hamilton, Ontario, Canada. PARTICIPANTS: The OHC study, in partnership with the De dwa da dehs ney >s Aboriginal Health Access Centre (DAHC), recruited 554 First Nations adults living in Hamilton using RDS. RESULTS: Among First Nations adults living in Hamilton, 78% earned less than $20 000 per year and 70% lived in the lowest income quartile neighbourhoods. Mobility and crowded living conditions were also highly prevalent. Common chronic diseases included arthritis, hypertension, diabetes and chronic obstructive pulmonary disease and rates of emergency room access were elevated. CONCLUSIONS: RDS is an effective sampling method in urban Aboriginal contexts as it builds on existing social networks and successfully identified a population-based cohort. The findings illustrate striking disparities in health determinants and health outcomes between urban First Nations individuals and the general population which have important implications for health services delivery, programming and policy development.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,017 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».