Tracking progress in suicide prevention in Indigenous communities: a challenge for public health surveillance in Canada
Notice bibliographique
Résumé
Indigenous peoples in Canada experience disproportionate rates of suicide compared to non-Indigenous populations. Indigenous communities and organizations have designed local and regional approaches to prevention, and the federal government has developed a national suicide prevention framework. However, public health systems continue to face challenges in monitoring the population burden of suicide and suicidal behaviour. National health data systems lack Indigenous identifiers, do not capture data from some regions, and do not routinely engage Indigenous communities in data governance. These challenges hamper efforts to detect changes in population-level outcomes and assess the impact of suicide prevention activities. Consequently, this limits the ability to achieve public health prevention goals and reduce suicide rates and rate inequities.This paper provides a critical analysis of the challenges related to suicide surveillance in Canada and assesses the strengths and limitations of existing data infrastructure for monitoring outcomes in Indigenous communities. To better understand these challenges, we discuss the policy context for suicide surveillance and examine the survey and administrative data sources that are commonly used in public health surveillance. We then review recent data on the epidemiology of suicide and suicidal behaviour among Indigenous populations, and identify challenges related to national surveillance.To enhance capacity for suicide surveillance, we propose strategies to better track progress in Indigenous suicide prevention. Specifically, we recommend establishing an independent community and scientific governing council, integrating Indigenous identifiers into population health datasets, increasing geographic coverage, improving suicide data quality, comprehensiveness, and timeliness, and developing a platform for making suicide data accessible to all stakeholders. Overall, the strategies we propose can build on the strengths of the existing national suicide surveillance system by adopting a collaborative and inclusive governance model that recognizes the stake Indigenous communities have in suicide prevention.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».