Measuring Community Strengths – Using Data from The First Nations Regional Health Survey Linked with A Whole-Population Administrative Data Repository
Notice bibliographique
Résumé
IntroductionAdministrative data studies routinely report that First Nations mothers and children experience a disproportionate burden of poor health. Due to the nature of administrative data, research often takes a deficits-oriented approach. First Nations health research needs to consider the role that community- and individual-level strengths play in promoting wellbeing and examine how these interact with the delivery and outcomes of health programs.
 Objectives and ApproachThe First Nations Health and Social Secretariat of Manitoba (FNHSSM) and the University of Manitoba partnered to construct measures of community-level strengths that can be linked with administrative data to examine the delivery and outcomes associated with population health programs delivered in First Nations communities.
 We linked data from the FNHSSM-administered Regional Health Survey (RHS) with administrative data housed in the Manitoba Population Research Data Repository. We identified 60 questions from the child, youth, and adult versions of the RHS to measure community strengths. We used principal component analysis to identify strength-based constructs. We used Eigen values and percent of variance explained to determine the final number of factors. We used random group resampling and bootstrap methods to test for community-level homogeneity. Community-level factor scores were calculated as the scaled combination of RHS questions within each factor and averaged to the community.
 ResultsWe identified 12 constructs of community strength: 5 from child responses, 4 from youth, and 3 from adult responses. Strength-based constructs common to all age groups included knowledge of traditional language, involvement in cultural events, and connection with community.
 Conclusion / ImplicationsColonial approaches to health research perpetuate deficit-based dialogues and negative portrayal of First Nations peoples. First Nations health research should consider how community strengths promote health and interact with program delivery. Including measures of community strength leads to richer understandings of factors that promote wellness among First Nations peoples.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,024 | 0,000 |
| Communication savante | 0,001 | 0,006 |
| Science ouverte | 0,008 | 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 ».