MétaCan
Menu
Retour à la cohorte
Enregistrement W4294243074 · doi:10.23889/ijpds.v7i3.1948

Supporting health and well-being among infants born to First Nations parents experiencing incarceration: a partnership-based whole-population administrative data study.

2022· article· en· W4294243074 sur OpenAlexaffabout
Nathan Nickel, Wanda Phillips-Beck

Notice bibliographique

RevueInternational Journal for Population Data Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of ManitobaFirst Nations Health and Social Secretariat of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésPropensity score matchingConfoundingMedicineSocioeconomic statusDemographyPopulationCohort studyLow birth weightBirth weightPregnancyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

ObjectivesGenerations of racist and colonial policies have resulted in First Nations (FN) people being systematically over-represented in Canada’s legal system. FN researchers partnered with data scientists at the University of Manitoba to document the birth outcomes associated with experiences of prenatal incarceration among FN families. ApproachThis retrospective cohort study linked whole-population administrative data from (i) Manitoba’s legal system to identify infants born to people incarcerated while pregnant, (ii) the First Nations research file to identify FN families, (iii) hospital records for birth outcomes, (iii) health and social services data for measured confounders. All Manitoba residents with a live birth (Jan 2004 - Dec 2017), and their infants, were eligible. Generalized linear models tested for differences in birth outcomes associated with experiencing incarceration while pregnant. Propensity score weights adjusted for measured confounders. Effect modification analyses tested whether associations differed between FN and all other Manitobans (AOM). ResultsFN people were more likely to experience incarceration while pregnant (n=1449) than AOM (n=278). Before propensity score adjustment, incarcerated pregnant people differed on important sociodemographic confounding characteristics from pregnant people who were not incarcerated – e.g., lower socioeconomic status, higher prevalence of pre-existing mental disorders, higher prevalence of having a previous child taken into care of family services, more likely to live in an urban setting. After propensity score adjustment, confounding characteristics were balanced between exposure groups. After adjustment, infants born to people incarcerated while pregnant were more likely to be low birth weight at term (aRR 1.76; 95% CI 1.41-2.18), be born preterm (aRR 1.44; 1.33-1.56), be small for gestational age (aRR 1.40; 1.28-1.54). Associations did not differ between FN and AOM families. ConclusionIncarceration of pregnant people compromises their infant’s birth outcomes and perpetuates intergenerational systems of oppression that exacerbate health inequities. To improve the health and well-being of FN people, we must implement Calls to Action outlined by the Truth and Reconciliation Commission to redress these harms experienced by FN 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)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0270,000
Communication savante0,0010,004
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,096
Tête enseignante GPT0,470
Écart entre enseignants0,375 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetIndigenous Health, Education, and RightsTravaux en français237 207