MétaCan
Menu
Retour à la cohorte
Enregistrement W3111824749 · doi:10.1093/heapro/daaa121

Black Lives Matter in health promotion: moving from unspoken to outspoken

2020· article· en· W3111824749 sur OpenAlexaff
Stephanie Leitch, J. Hope Corbin, Nikita Boston-Fisher, Christa Ayele, Peter Delobelle, Fungisai Gwanzura Ottemöller, Tulani Francis L. Matenga, Oliver Mweemba, Ann Pederson, Josette Wicker

Notice bibliographique

RevueHealth Promotion International · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHealth disparities and outcomes
Établissements canadiensUniversity of British ColumbiaMcGill University
Organismes subventionnairesnon disponible
Mots-clésPolice brutalityRacismHealth promotionCriminologyPublic healthLife expectancyHealth equitySociologyPolitical sciencePsychologyMedicineGender studiesPopulationEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

Racism is a public health crisis. Black communities (including Africans, the African diaspora and people of African descent) experience worse health outcomes as demonstrated by almost any measure of health and wellbeing-e.g. life expectancy; disease prevalence; maternal mortality rates. While health promotion has its foundation in promoting equity and social justice, it is clear that however well-intended, we are not affecting meaningful change for Black communities quickly enough. Through this article, we outline the intersection of social determinants of health and anti-Black racism. We describe how in the first 8 months of 2020 Black communities around the globe have been disproportionately affected by COVID-19, while also having to respond to new instances of police brutality. We assert that the time has come for health promotion to stop neutralizing the specific needs of Black communities into unspoken 'good intentions'. Instead, we offer some concrete ways for the field to become outspoken, intentional and honest in acknowledging what it will take to radically shift how we promote health and wellbeing for Black people.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,085
Tête enseignante GPT0,403
Écart entre enseignants0,318 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations53
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Promotion InternationalMême sujetHealth disparities and outcomesTravaux en français237 207