MétaCan
Menu
Retour à la cohorte
Enregistrement W2508801535 · doi:10.1017/gheg.2016.12

Responding to health inequities: Indigenous health system innovations

2016· review· en· W2508801535 sur OpenAlexaffabout
Josée G. Lavoie, Derek Kornelsen, Lloy Wylie, Javier Mignone, Judith Dwyer, Yvonne Boyer, Amohia Boulton, Kim O’Donnell

Notice bibliographique

RevueGlobal Health · 2016
Typereview
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensBrandon UniversityWestern UniversityUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésIndigenousHealth careEconomic growthHealth equityPolitical scienceHealthcare systemHealth policyEcology

Résumé

récupéré en direct d'OpenAlex

Over the past decades, Indigenous communities around the world have become more vocal and mobilized to address the health inequities they experience. Many Indigenous communities we work with in Canada, Australia, Latin America, the USA, New Zealand and to a lesser extent Scandinavia have developed their own culturally-informed services, focusing on the needs of their own community members. This paper discusses Indigenous healthcare innovations from an international perspective, and showcases Indigenous health system innovations that emerged in Canada (the First Nation Health Authority) and Colombia (Anas Wayúu). These case studies serve as examples of Indigenous-led innovations that might serve as models to other communities. The analysis we present suggests that when opportunities arise, Indigenous communities can and will mobilize to develop Indigenous-led primary healthcare services that are well managed and effective at addressing health inequities. Sustainable funding and supportive policy frameworks that are harmonized across international, national and local levels are required for these organizations to achieve their full potential. In conclusion, this paper demonstrates the value of supporting Indigenous health system innovations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,449
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal HealthMême sujetIndigenous Health, Education, and RightsTravaux en français237 207