Building Bridges for Indigenous Children’s Health: Community Needs Assessment Through Talking Circle Methodology
Notice bibliographique
Résumé
OBJECTIVE: The Stollery Children's Hospital in Edmonton, Alberta, introduced the Stollery Awasisak team to provide targeted support to Indigenous families and their children. Talking Circles were conducted across northern communities from 2017 to 2019 to better understand how Indigenous people perceive the current state of healthcare services delivered by the Stollery Hospital. METHODS: The 2019 Talking Circles were held in six cities: Grande Prairie, Slave Lake, High Level, Fort McMurray, Edmonton, and Cold Lake, which were the biggest circles held to date with an attendance of 160 participants. Participants included members of Treaties 6 and 8, and Metis Nations of Alberta, as well as healthcare professionals in those regions. RESULTS: Talking Circles identified challenges Indigenous (First Nation, Inuit and Metis) pediatric patients and their families experienced from accessing care to transitioning home to exploring their positive experiences with the Stollery Hospital and other frontline collaborates. Through these circles guided by Elders in ceremonies, priorities and recommendations were made to help support pediatric patients and their families. CONCLUSION: Multiple perspectives provided rich data on how best to adhere to the Truth Reconciliation of Canada 19th mandate and ensure equitable healthcare access to all Indigenous children. Together, leaders, healthcare providers, service providers and community members reflected on the lessons of the Medicine Wheel quadrants and the Seven Sacred Teachings, and brought forward four priorities; capacity building, continuity of care, culturally responsive care and increased communication.
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 | 0,004 | 0,000 |
| 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 | 0,020 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».